Trainings Übersicht
Rabatte, Aktionen und Förderungen
English language trainings
Lighthouse Expert Series
Lernformen
Feedback
Garantie
Hotels
Restaurants
Seminarinhalt
Azure Databricks ist eine Plattform im Cloudmaßstab für Datenanalyse und Machine Learning.
Data Scientists und Machine Learning-Engineers können Azure Databricks verwenden, um Machine-Learning-Lösungen im großen Stil zu implementieren.
Data Scientists und Machine Learning-Engineers können Azure Databricks verwenden, um Machine-Learning-Lösungen im großen Stil zu implementieren.
Programm
Explore Azure Databricks
- Get started with Azure Databricks
- Identify Azure Databricks workloads
- Understand key concepts
- Data governance using Unity Catalog and Microsoft Purview
- Get to know Spark
- Create a Spark cluster
- Use Spark in notebooks
- Use Spark to work with data files
- Visualize data
- Understand principles of machine learning
- Machine learning in Azure Databricks
- Prepare data for machine learning
- Train a machine learning model
- Evaluate a machine learning model
- Capabilities of MLflow
- Run experiments with MLflow
- Register and serve models with MLflow
- Optimize hyperparameters with Hyperopt
- Review Hyperopt trials
- Scale Hyperopt trials
- What is AutoML?
- Use AutoML in the Azure Databricks user interface
- Use code to run an AutoML experiment
- Understand deep learning concepts
- Train models with PyTorch
- Distribute PyTorch training with TorchDistributor
- Automate your data transformations
- Explore model development
- Explore model deployment strategies
- Explore model versioning and lifecycle management
Zielgruppen
- Fortgeschrittene Anfänger
- Data Scientist
Vorkenntnisse
In diesem Training wird davon ausgegangen, dass Sie über Erfahrung im Umgang mit Python für die Untersuchung von Daten verfügen und damit vertraut sind, Machine Learning-Modelle mit gängigen Open-Source-Frameworks wie Scikit-Learn, PyTorch und TensorFlow zu trainieren.
Ziehen Sie in Erwägung, den Lernpfad Erstellen von Machine Learning-Modellen zu absolvieren, bevor Sie den vorliegenden Training bearbeiten.
Ziehen Sie in Erwägung, den Lernpfad Erstellen von Machine Learning-Modellen zu absolvieren, bevor Sie den vorliegenden Training bearbeiten.
