Accueil > Formations > Data Science – Deep learning > Développer des modèles prédictifs avec Azure Machine Learning
Formation Développer des modèles prédictifs avec Azure Machine Learning
Domaine : Data Science – Deep learning
DURÉE
1.0 jour(s)
OBJECTIFS
Rendre opérationnel sur des projets en Machine Learning utlisant Azure Machine Learning (AML). Maîtriser l'interface d'Azure et être en mesure de construire et de déployer ses propres moteurs prédictifs sur AML.
Pré-requis
Bases en Data Science et connaissances globales sur Azure. Fortement souhaité de disposer d'un compte Azure.
Participants
Public technique : développeur, data scientist…
coût
Nous contacter pour une formation sur mesure ou en intra
LIEUx de formation
Notre centre de formation à GrenobleNotre centre de formation à MoiransNotre centre de formation à Sophia Antipolis
Sur votre site en formation intraEn classe distancielle
PROGRAMME DE FORMATION
Développer des modèles prédictifs avec Azure Machine Learning
Introduction à l'outil Azure Machine Learning
Prise en main de l'interface Azure Machine Learning (Premiers pas sur la plateforme, Les différents outils et services d'Azure)
Se connecter à une source de données (Création d'un data set)
Se connecter à une source de données (Création d'un data set)
Prise en main et développement d'un premier moteur prédictif avec Azure Machine Learning
Paramétrer et configurer un algorithme (Choisir les variables de l'algorithme (features selection), Nettoyer des données)
Utiliser l'arbre de choix des algorithmes
Utilisation du modèle : les grandes étapes (Initialisation, Entraînement, Evaluation)
Utiliser l'arbre de choix des algorithmes
Utilisation du modèle : les grandes étapes (Initialisation, Entraînement, Evaluation)
Génération des prédictions en production et APIs associés
Génération des prédictions suite à l'entraînement du modèle grâce aux APIs
Réentraînements réguliers des modèles et maintien en condition opérationnelle (Dérive du modèle : quand le réentraîner?)
Réentraînements réguliers des modèles et maintien en condition opérationnelle (Dérive du modèle : quand le réentraîner?)
Coûts associés et solutions alternatives sur le marché
Facturation à l'usage et structuration des coûts (Coûts de stockage, Coûts d'entraînement, Coûts des prédictions)
Présentation de solutions alternatives du marché (Plateformes concurrentes : AWS (Amazon Web Services), GCP (Google Cloud Platform), etc., Solutions open source)
Présentation de solutions alternatives du marché (Plateformes concurrentes : AWS (Amazon Web Services), GCP (Google Cloud Platform), etc., Solutions open source)
dates des formations a grenoble
dates des formations a SOPHIA ANTIPOLIS
formations associées