DP-3014 Implementing a Machine Learning solution with Azure Databricks
Preis Netto: € MwSt.: €
Preis Preis auf Anfrage
Dauer
1 Tag
Standort
Kurssprache englisch
Trainingslösung Online Live
Skalierbare Machine-Learning-Lösungen entstehen durch das Zusammenspiel von Datenengineering, Modellierung und Cloud-Technologie. Azure Databricks etabliert sich dabei als zentrales Werkzeug für moderne KI-Architekturen.
Zentrale Themen
- Aufbau von Databricks-Umgebungen in Azure.
- Datenintegration und Transformation.
- Entwicklung, Training und Bewertung von ML-Modellen.
- Nutzung von MLflow für Transparenz und Nachvollziehbarkeit.
- Automatisierte Bereitstellung von Modellen
- Betrieb, Wartung und Optimierung.
Voraussetzung
Solide Grundlagen in Datenanalyse, Skriptsprachen sowie Verständnis für Cloud-Services und Machine Learning.
Zielgruppe
Data Scientists, Data Engineers und IT-Fachkräfte mit Fokus auf KI-gestützte Cloud-Lösungen.
Die Inhalte fördern ein ganzheitliches Verständnis für Machine Learning in Azure und unterstützen den professionellen Aufbau robuster, skalierbarer KI-Systeme.
- Azure Databricks starten
- Azure Databricks Workloads erkennen
- Wichtige Konzepte verstehen
- Spark entdecken
- Cluster erstellen
- Spark in Notebooks nutzen
- Spark für Datendateien verwenden
- Daten visualisieren
- Prinzipien des maschinellen Lernens verstehen
- Maschinelles Lernen in Azure Databricks
- Daten für ML vorbereiten
- Modell für ML trainieren
- ML-Modell evaluieren
- MLflow-Funktionen
- Experimente mit MLflow
- Modellregistrierung und -bereitstellung
- Hyperparameter mit Hyperopt optimieren
- Hyperopt-Versuche auswerten
- Hyperopt-Versuche skalieren
- Automatisierung des Modelltrainings.
- Nutzung von AutoML in Azure Databricks
- Skripte für AutoML-Workflows
- Deep Learning verstehen
- Modelle in PyTorch trainieren
- PyTorch-Training mit Horovod verteilen
