MICROSOFT Azure Machine Learning - Perform Cloud Data Science

Objectifs

Donner aux participants la possibilité d'analyser et de présenter des données en utilisant Azure Machine Learning. Présenter une introduction à l'utilisation d'Azure Machine Learning avec notamment HDInsight et R Services.

Syllabus

Introduction à Machine Learning

• Qu'est-ce que Machine Learning ?
• Introduction aux algorithmes Machine Learning
• Introduction aux langages Machine Learning
• Introduction à Azure Machine Learning
• Présentation d'Azure Machine Learning
• Introduction au studio Azure Machine Learning
• Développement et hébergement d'applications Azure Machine Learning

 

Gestion des jeux de données

• Catégorisation de vos données
• Importation de données dans Azure Machine Learning
• Exploration et transformation des données dans Azure Machine Learning
• Préparation des données à utiliser avec Azure Machine Learning

 

Prétraitement des données

• Gestion des ensembles de données incomplets

 

Utilisation de l'ingénierie des fonctionnalités et de la sélection 

• Utilisation des fonctions d'ingénierie
• Utilisation du choix des fonctionnalités

 

Construire des modèles Azure Machine Learning

• Flux de travail d'Azure Machine Learning
• Marquage et évaluation des modèles
• Utilisation d'algorithmes de régression
• Utilisation des réseaux neuronaux

 

Utilisation de la classification et du regroupement avec les modèles Azure Machine Learning

• Utilisation d'algorithmes de classification
• Techniques de regroupement
• Sélection des algorithmes

 

Utilisation de R et Python avec Azure Machine Learning

• Utilisation de R
• Utilisation de Python
• Incorporer R et Python dans les expériences

 

Initialisation et optimisation des modèles Azure Machine Learning

• Utilisation d'hyper-paramètres

 

Utilisation de multiples algorithmes et modèles

• Marquage et évaluation de modèles
• Utilisation des modèles Azure Machine Learning
• Déploiement et publication de modèles
• Expériences consommatrices

 

Utilisation des services cognitifs

• Aperçu des services cognitifs
• Traitement de la langue
• Traitement des images et de la vidéo
• Recommander des produits

 

Utilisation de Machine Learning avec HDInsight

• Introduction à HDInsight
• Types de cluster HDInsight
• HDInsight et modèles Machine Learning

 

Utilisation des services R avec Machine Learning

• Présentation de R et du serveur R
• Utilisation du serveur R avec Machine Learning
• Utilisation de R avec SQL Server

Comment ?

Méthodes pédagogiques

1 poste et 1 support par stagiaire

8 à 10 stagiaires par salle

Remise d'une documentation pédagogique papier ou numérique pendant le stage

La formation est constituée d'apports théoriques, d'exercices pratiques, de réflexions et de retours d'expérience

Évaluation

Auto-évaluation des acquis par le stagiaire via un questionnaire en ligne

Attestation de fin de stage remise au stagiaire