Облачная аналитика Big Data при помощи машинного обучения в Azure

В данный момент идет прием заявок на курс.
Мы можем сообщить вам о начале
запланированного обучения


Код: 20774
Длительность: 40 ак.ч.
Стоимость: 31 500 р.

Цель курса: Предоставить слушателям знания и навыки, необходимые для анализа больших данных и визуализации результата при помощи машинного обучения в Azure. Также в курсе рассмотрены такие инструменты анализа больших данных как HDInsight и R.  

Аудитория:
Этот курс предназначен для специалистов, желающих обрабатывать большие объёмы данных с помощью таких современных средств автоматизации, как машинное обучение. Также курс будет интересен специалистам, изучающим HDInsight и R

По окончании курса слушатели смогут:
·         Объяснить принципы работы механизмов машинного обучения, используемые алгоритмы и языки
·         Описать возможности машинного обучения в Azure и перечислить основные функции Azure Machine Learning Studio
·         Загружать и исследовать различные типы данных для машинного обучения Azure
·         Изучить и использовать методы подготовки наборов данных для использования с машинным обучением Azure
·         Изучить и использовать методы подготовки и выборки данных для использования с машинным обучением Azure
·         Изучить и использовать регрессионные алгоритмы и алгоритмы работы нейронных сетей в рамках машинного обучения Azure
·         Изучить и использовать алгоритмы классификации и кластеризации в рамках машинного обучения Azure
·         Использовать преимущества R и Python при работе с машинным обучением Azure
·         Изучить и использовать гипер-параметры, множество алгоритмов и моделей для решения аналитических задач
·         Предоставить пользователям доступ к результатам отработки моделей машинного обучения Azure
·         Изучить и использовать подключения к когнитивным службам (Cognitive Services API) для обработки текста и изображений, создания рекомендаций и описание использования нейронных сетей в рамках машинного обучения Azure
·         Изучить и использовать HDInsight в рамках машинного обучения Azure
·         Изучить и использовать язык R и сервер R в рамках машинного обучения Azure
·         Объяснить, как развернуть и настроить SQL Server для поддержки служб R.

Необходимая подготовка:
Для эффективного обучения на курсе, слушатели должны обладать следующими знаниями и навыками:
·         Опыт программирования на R и знание распространенных пакетов R
·         Знания общих статистических методов анализа данных и лучших практик.
·         Основные сведения о операционных системах Microsoft Windows.
·         Опыт работы с реляционными базами данных.

Материалы слушателя:
Слушателям предоставляется фирменное учебное пособие и прочие материалы, необходимые для обучения.

Регистрация на курс:
1.   По электронной почте. Отправьте сообщение на адрес edu@unitgroup.ru, с указанием: названия предприятия, ФИО участников, их должностей, контактных телефонов и e-mail.
2.   По телефону +7(343) 344-25-60 Учебный центр Юнит.

Содержание курса:
Модуль 1: Введение в машинное обучение
Этот модуль рассказывает о возможностях машинного обучения, используемых алгоритмах и языках.
Темы
·         Что такое машинное обучение?
·         Введение в алгоритмы машинного обучения
·         Введение в языки машинного обучения
Лабораторная работа: Введение в машинное обучение
·         Регистрация в Azure
·         Тестирование работы
·         Оценка работы

Модуль 2: Введение в машинное обучение Azure
Этот модуль описывает цели машинного обучения Azure и перечисляет главные особенности студии машинного обучения Azure (Azure Machine Learning Studio).
Темы
·         Обзор машинного обучения Azure
·         Введение в Azure Machine Learning Studio
·         Разработка и размещение приложений машинного обучения Azure
Лабораторная работа: Введение в машинное обучение Azure
·         Изучение Azure Machine Learning Studio
·         Клонирование и запуск простого эксперимента
·         Клонирование эксперимента, внесение простых изменений и повторный запуск

Модуль 3: Работа с наборами данных
Этот модуль описывает, как загрузить и исследовать различные типы данных в машинном обучении Azure.
Темы
·         Классификация данных
·         Импорт данных для машинного обучения Azure
·         Исследование и преобразование данных в машинном обучении Azure
Лабораторная работа: Визуализация данных
·         Подготовка базы данных SQL Azure
·         Импорт данных
·         Визуализация данных
·         Суммирование данные.

Модуль 4: Подготовка данных для использования машинного обучения Azure
Этот модуль описывает методы подготовки наборов данных для использования машинного обучения Azure.
Темы
·         Предварительная обработка данных
·         Обработки неполных данных
Лабораторная работа: Подготовка данных для использования машинного обучения Azure
·         Обзор данных с помощью Power BI
·         Зачистка данных

Модуль 5: Использование средств конструирования и выборки
Этот модуль описывает, как использовать средства конструирования и выбора в наборах данных, которые будут использоваться в машинном обучении Azure.
Темы
·         Использование компонент конструирования
·         Использование компонент выбора
Лабораторная работа: Использование средств конструирования и выборки
·         Слияние наборов данных
·         Использовать PCA для понижения измерений
·         Выбор переменных и редактирование метаданных

Модуль 6: Построение моделей машинного обучения Azure
Этот модуль объясняет, как использовать регрессионные алгоритмы и нейронные сети в среде машинного обучения Azure.
Темы
·         Процессы машинного обучения Azure
·         Оценка и применение моделей
·         Применение регрессионных алгоритмов
·         Использование нейронных сетей
Лабораторная работа: Построение моделей машинного обучения Azure
·         Использование модуля Azure machine learning Studio для подключения регрессии
·         Оценки моделей машинного обучения
·         Добавление дополнительных регрессионных моделей
·         Создание и запуск приложений с алгоритмами нейронных сетей

Модуль 7: Классификация и кластеризация в моделях машинного обучения Azure
В этом модуле описывается, как использовать алгоритмы классификации и кластеризации в моделях машинного обучения Azure.
Темы
·         Алгоритмы классификации
·         Методы кластеризации
·         Выбор алгоритмов
Лабораторная работа: Классификация и кластеризация в моделях машинного обучения Azure
·         Использование модулей Azure machine learning Studio для классификации
·         Добавить раздел К-среднего в эксперимент
·         Добавить PCA для обнаружения аномалий.
·         Анализ моделей

Модуль 8: Использование R и Python в машинном обучении Azure
Этот модуль описывает, как использовать преимущества R и Python в машинном обучении Azure.
Темы
·         Использование R
·         Использование Python
·         Использование блокнотов Jupyter
·         Поддержка R и Python
Лабораторная работа: Использование R и Python в машинном обучении Azure
·         Добавление скриптов на R и Python
·         Использование Python в интегрированной среде разработки Visual Studio
·         Добавление блокнота Jupyter
·         Запуск блокнота Jupyter
·         Импорт пакетов для R/Python
·         Визуализация данных с помощью R/Python
·         Программирование на R для работы на основе временных рядов

Модуль 9: Инициализация и оптимизация моделей машинного обучения
Этот модуль описывает, как использовать гипер-параметры, различных алгоритмы и модели для оптимизации задач.
Темы
·         Использование гипер-параметров
·         Использование нескольких алгоритмов и моделей
·         Сравнение и оценка ансамбля
Лабораторная работа: Инициализация и оптимизация моделей машинного обучения
·         Использование гипер-параметров
·         Построение ансамбля с помощью стека
·         Оценка ансамбля

Модуль 10: Использование моделей машинного обучения Azure
Этот модуль объясняет, как предоставить конечным пользователям доступ к сервису и данным результатов работы моделей машинного обучения Azure.
Темы
·         Развертывание и публикации моделей
·         Экспорт данных
Лабораторная работа: Использование моделей машинного обучения Azure
·         Развертывание моделей машинного обучения
·         Использование опубликованных моделей
·         Экспорт данных
·         Использовать экспортированные данные в модели машинного обучения

Модуль 11: Использование когнитивных служб
Этот модуль объясняет, как работают API когнитивных служб для обработки текста и изображений, создаются рекомендации и используются нейронные сети в рамках машинного обучения Azure.
Темы
·         Обзор когнитивных служб
·         Обработка текста
·         Обработка изображений
·         Создание рекомендаций
Лабораторная работа: Использование когнитивных служб
·         Создание и запуск приложения обработки текста
·         Создание и запуск приложения для обработки изображений
·         Создание и запуск приложения с рекомендацией

Модуль 12: Использование машинного обучения с HDInsight
В этом модуле рассказано, как использовать HDInsight в машинном обучении Azure.
Темы
·         Введение в HDInsight
·         Типы кластеров HDInsight
·         HDInsight и модели машинного обучения
Лабораторная работа: Использование машинного обучения с HDInsight
·         Развертывание кластера HDInsight
·         Использование кластера HDInsight
·         Отображение данных в Power BI

Модуль 13: Использование R-сервисов машинного обучения
Этот модуль объясняет, как использовать язык R и сервер R с моделями машинного обучения Azure, как развернуть и настроить SQL Server и поддерживать службы R.
Темы
·         Обзор R и сервера R
·         Использование сервера R в моделях машинного обучения
·         Использование R с SQL Server
Лабораторная работа: Использование R-сервисов машинного обучения
·         Развертывание DSVM
·         Наука о данных в виртуальной машине
·         Настройка сервера R
·         Запуск образца приложения сервера R
·         Развертывание SQL Server 2016 в виртуальной машине Azure
·         Настройка SQL Server для разрешения выполнения сценариев R
·         Выполнение скриптов R внутри выражений Т-SQL
·         Использование R для визуализации данных