Perform Cloud Data Science avec Azure Machine Learning

Pré-requis

Avoir une expérience dans la programmation via R.

Posséder des connaissances sur les méthodes statistiques courantes et les meilleures pratiques d’analyse des données.

La connaissance du système d’exploitation Windows et ses fonctionnalités principales ainsi que les bases de données relationnelles est recommandée.

Objectif de la formation

Expliquer ce qu’est Machine Learning et comment les algorithmes et les langages sont utilisés

Décrire l’utilisation de Azure Machine Learning et lister les principales fonctionnalités de Azure Machine Learning Studio

Télécharger et explorer les différents types de données vers Azure Machine Learning

Explorer les techniques  de préparation d’un ensemble de données pour l’utiliser avec Azure Machine Learning

Explorer et utiliser les algorithmes de régression et les réseaux  neuronaux avec Azure Machine Learning

Utiliser R et Python avec Azure Machine Learning et choisir quand utiliser un langage particulier

Explorer et utiliser les hyperparamètres, les algorithmes multiples et les modèles et être capable de compter et d’évaluer des modèles. Explorer comment fournir aux utilisateurs finaux des services avec Azure Machine Learning et comment partager des données générées à partir des modèles Azure Machine Learning

Explorer et utiliser les APIs des services cognitifs pour le traitement des textes et des images, pour créer une application recommandée et décrire l’utilisation de réseaux neuronaux avec Azure Machine Learning

Explorer et utiliser HDInsight avec Azure Machine LearningExplorer et utiliser R et R Server avec Azure Machine Learning et expliquer comment déployer et configurer SQL Server pour supporter les services R

Public concerné

Cette formation s’adresse aux personnes qui souhaitent analyser et présenter les données avec Azure Machine Learning. Elle s’adresse également aux professionnels IT et aux développeurs.

Profil du formateur

Formateur consultant, expert, pédagogue et certifié dans son domaine

Méthode pédagogique

La formation est constituée d’apports théoriques et d’exercices pratiques. Chaque stagiaire dispose d’un poste de travail et la gestion en petit groupe (jusqu’à 8 stagiaires) permet un suivi individualisé et adapté. Durant les sessions de formation, un support pédagogique est remis aux stagiaires.

Suivi, évaluation, sanction

Des tours de table permettent de suivre la progression du stagiaire au fur et à mesure de la formation. Un suivi de la formation est réalisé par une feuille de présence émargée par demi-journée par les stagiaires et le formateur. Un questionnaire de satisfaction et une validation des acquis sont complétés par chaque stagiaire en fin de formation.

Formation sans certification.