Perform Cloud Data Science avec Azure Machine Learning

14 février 2018

Type(s) :	P
Durée :	5 Jours – 35 Heures

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.

Plan du cours

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

Vue d’ensemble de Azure Machine Learning
Introduction à Azure Machine Learning Studio
Développer et héberger des applications Azure Machine Learning

Gestion d’un ensemble de données

Catégoriser vos données
Importer des données dans Azure Machine Learning
Explorer et transformer des données dans Azure Machine Learning

Préparation des données pour utilisation avec Azure Machine Learning

Pré traitement des données pour les nettoyer et les normaliser
Prise en compte des jeux de données incomplets

Utilisation de la fonctionnalité Engineering et Sélection

La fonctionnalité Engineering
Utiliser la fonctionnalité Sélection

Création de modèles Azure Machine Learning

Workflows Azure Machine Learning
Evaluer et noter les modèles
Utiliser les algorithmes de régression
Utiliser les réseaux neuronaux

Utilisation de la classification et du clustering avec Azure Machine Learning

Utiliser les algorithmes de classification
Techniques de clustering
Sélectionner les algorithmes

Utilisation de R et de Python avec Azure Machine Learning

Utiliser R
Utiliser Python
Incorporer R et Python dans les expériences Machine Learning

Initialisation et optimisation des modèles Machine Learning

Utiliser les hyper paramètres
Utiliser de multiples algorithmes et des modèles
Noter et évaluer les modèles

Utilisation des modèles Azure Machine Learning

Déployer et publier des modèles
Expériences consommatrices

Utilisation des services cognitifs

Vue d’ensemble des services cognitifs
Traitement du langage
Traitement des images et de la vidéo
Produits recommandés

Utilisation de Machine Learning avec HDInsight

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

Utilisation des services R avec Machine Learning

Vue d’ensemble de R et de R Server
Utiliser R Server avec Machine Learning
Utiliser R avec SQL Server

Voir tout