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