Integral Technologies - wersja polska Integral Technologies - English Version Integral Technologies - Twitter Integral Technologies - Facebook
przeszukaj: 
STRONA GŁÓWNA  »  SZKOLENIA  »  OPIS SZKOLENIA
 
Skip Navigation Links
O FIRMIE
» Autoryzacje
» Referencje
» Siedziba
» Kariera
OBSŁUGA SZKOLEŃ
» Wyszukiwanie
» Lista Szkoleń
» Zapisy
» Vouchery
» Promocje
» Regulamin
OFERTA SZKOLEŃ
» Microsoft Office
» Autoryzowane Szkolenia
         Microsoft
» Grafika Komputerowa
» Programowanie
» Technologie Internetowe
» Zarządzanie Projektami
» Software Assurance
» Szkolenia onLine
PROJEKTY UNIJNE
USŁUGI
» Aplikacje
EGZAMINY
» Pearson VUE
» Certiport MOS
» Castle
» Promocje
» Cennik
» Zapisy
» Ścieżki Microsoft
KONTAKT
POLITYKA PRYWATNOŚCI
ZAMÓW NEWSLETTER
Baza wiedzy MSDN
MS-20774
Perform Cloud Data Science With Azure Machine Learning
szkolenie autoryzowane
cena / 1 osoba
3 850,00 zł
czas trwania
5 dni
dostępność onLine
zapytaj »
O szkoleniu
Dla kogo
5-dniowe szkolenie umożliwia zdobycie umiejętności analizy i prezentacji danych przy użyciu uczenia maszynowego Azure. Wprowadza także do uczenia maszynowego przy użyciu narzędzi Big Data, takich jak usługi HDInsight i R.
Wymagania wstępne
  • Doświadcznie w programowaniu z wykorzystaniem R i znajomość typowych pakietów R.
  • Znajomość powszechnych metod statystycznych i najlepszych praktyk w zakresie analizy danych.
  • Podstawowa znajomość systemu operacyjnego Microsoft Windows i jego podstawowej funkcjonalności.
  • Praktyczną wiedzę z relacyjnych baz danych.
Zakres tematyczny
  • Wprowadzenie do uczenia maszynowego (Machine Learning)
    • czym jest uczenie maszynowe?
    • wprowadzenie do algorytmów uczenia maszynowego
    • wprowadzenie do języków programowania maszynowego
  • Wprowadzenie do uczenia maszynowego Azure
    • przegląd Azure Machine Learning
    • wprowadzenie do studia Azure Machine Learning
    • rozwijanie i obsługa aplikacji Azure Machine Learning
  • Zarządzanie zestawami danych
    • kategoryzowanie danych
    • importowanie danych do Azure Machine Learning
    • eksploracja i transformacja danych w Azure Machine Learning
  • Przygotowanie danych do użycia w Azure Machine Learning
    • wstępne przetwarzanie danych
    • obsługa niekompletnych zestawów danych
  • Korzystanie z inżynierii i selekcji funkcji
    • korzystanie z inżynierii funkcji
    • Korzystanie z selekcji funkcji
  • Budowanie modeli Azure Machine Learning
    • workflow Azure Machine Learning
    • ocena i ocenianie modeli
    • korzystanie z algorytmów regresji
    • korzystanie z sieci neuronowych
  • Używanie klasyfikacji i klastrowania w modelach Azure Machine Learning
    • korzystanie z algorytmów klasyfikacji
    • techniki klastrowania
    • wybór algorytmów
  • Użycie R i Python w Azure Machine Learning
    • korzystanie z R
    • korzystanie z Python
    • dołącznie R i Python do eksperymentów Azure Machine Learning 
  • Inicjowanie i optymalizacja modeli uczenia maszynowego
    • korzystanie z hiper-parametrów
    • korzystanie z wielu algorytmów i modeli
    • ocena i ocenianie modeli
  • Użycie modeli Azure Machine Learning 
    • wdrożenie i publikowanie modeli
    • wykorzystanie eksperymentów
  • Korzystanie z usług kognitywnych (Cognitive Services)
    • omówienie usług kognitywnych
    • przetwarzanie języka
    • przetwarzanie obrazów i wideo
    • polecanie produktów
  • Korzystanie z uczenia maszynowego w HDInsight
    • wprowadzenie do HDInsight
    • typy klastra HDInsight
    • modele uczenia maszynowego i HDInsight
  • Użycie R w uczeniu maszynowym
    • omówienie R i serwera R
    • użycie serwera R w uczeniu maszynowym
    • użycie R z SQL Server
Zakres tematyczny szkolenia
Dla kogo
5-dniowe szkolenie umożliwia zdobycie umiejętności analizy i prezentacji danych przy użyciu uczenia maszynowego Azure. Wprowadza także do uczenia maszynowego przy użyciu narzędzi Big Data, takich jak usługi HDInsight i R.
Wymagania wstępne
  • Doświadcznie w programowaniu z wykorzystaniem R i znajomość typowych pakietów R.
  • Znajomość powszechnych metod statystycznych i najlepszych praktyk w zakresie analizy danych.
  • Podstawowa znajomość systemu operacyjnego Microsoft Windows i jego podstawowej funkcjonalności.
  • Praktyczną wiedzę z relacyjnych baz danych.
Zakres tematyczny
  • Wprowadzenie do uczenia maszynowego (Machine Learning)
    • czym jest uczenie maszynowe?
    • wprowadzenie do algorytmów uczenia maszynowego
    • wprowadzenie do języków programowania maszynowego
  • Wprowadzenie do uczenia maszynowego Azure
    • przegląd Azure Machine Learning
    • wprowadzenie do studia Azure Machine Learning
    • rozwijanie i obsługa aplikacji Azure Machine Learning
  • Zarządzanie zestawami danych
    • kategoryzowanie danych
    • importowanie danych do Azure Machine Learning
    • eksploracja i transformacja danych w Azure Machine Learning
  • Przygotowanie danych do użycia w Azure Machine Learning
    • wstępne przetwarzanie danych
    • obsługa niekompletnych zestawów danych
  • Korzystanie z inżynierii i selekcji funkcji
    • korzystanie z inżynierii funkcji
    • Korzystanie z selekcji funkcji
  • Budowanie modeli Azure Machine Learning
    • workflow Azure Machine Learning
    • ocena i ocenianie modeli
    • korzystanie z algorytmów regresji
    • korzystanie z sieci neuronowych
  • Używanie klasyfikacji i klastrowania w modelach Azure Machine Learning
    • korzystanie z algorytmów klasyfikacji
    • techniki klastrowania
    • wybór algorytmów
  • Użycie R i Python w Azure Machine Learning
    • korzystanie z R
    • korzystanie z Python
    • dołącznie R i Python do eksperymentów Azure Machine Learning 
  • Inicjowanie i optymalizacja modeli uczenia maszynowego
    • korzystanie z hiper-parametrów
    • korzystanie z wielu algorytmów i modeli
    • ocena i ocenianie modeli
  • Użycie modeli Azure Machine Learning 
    • wdrożenie i publikowanie modeli
    • wykorzystanie eksperymentów
  • Korzystanie z usług kognitywnych (Cognitive Services)
    • omówienie usług kognitywnych
    • przetwarzanie języka
    • przetwarzanie obrazów i wideo
    • polecanie produktów
  • Korzystanie z uczenia maszynowego w HDInsight
    • wprowadzenie do HDInsight
    • typy klastra HDInsight
    • modele uczenia maszynowego i HDInsight
  • Użycie R w uczeniu maszynowym
    • omówienie R i serwera R
    • użycie serwera R w uczeniu maszynowym
    • użycie R z SQL Server
O ośrodku szkoleniowym
Integral Technologies
ul. Wspólna 50A lok. 37, 00-684 Warszawa
MS-20774
Perform Cloud Data Science With Azure Machine Learning
czas trwania: 5 dni
Dla kogo
5-dniowe szkolenie umożliwia zdobycie umiejętności analizy i prezentacji danych przy użyciu uczenia maszynowego Azure. Wprowadza także do uczenia maszynowego przy użyciu narzędzi Big Data, takich jak usługi HDInsight i R.
Wymagania wstępne
  • Doświadcznie w programowaniu z wykorzystaniem R i znajomość typowych pakietów R.
  • Znajomość powszechnych metod statystycznych i najlepszych praktyk w zakresie analizy danych.
  • Podstawowa znajomość systemu operacyjnego Microsoft Windows i jego podstawowej funkcjonalności.
  • Praktyczną wiedzę z relacyjnych baz danych.
Zakres tematyczny
  • Wprowadzenie do uczenia maszynowego (Machine Learning)
    • czym jest uczenie maszynowe?
    • wprowadzenie do algorytmów uczenia maszynowego
    • wprowadzenie do języków programowania maszynowego
  • Wprowadzenie do uczenia maszynowego Azure
    • przegląd Azure Machine Learning
    • wprowadzenie do studia Azure Machine Learning
    • rozwijanie i obsługa aplikacji Azure Machine Learning
  • Zarządzanie zestawami danych
    • kategoryzowanie danych
    • importowanie danych do Azure Machine Learning
    • eksploracja i transformacja danych w Azure Machine Learning
  • Przygotowanie danych do użycia w Azure Machine Learning
    • wstępne przetwarzanie danych
    • obsługa niekompletnych zestawów danych
  • Korzystanie z inżynierii i selekcji funkcji
    • korzystanie z inżynierii funkcji
    • Korzystanie z selekcji funkcji
  • Budowanie modeli Azure Machine Learning
    • workflow Azure Machine Learning
    • ocena i ocenianie modeli
    • korzystanie z algorytmów regresji
    • korzystanie z sieci neuronowych
  • Używanie klasyfikacji i klastrowania w modelach Azure Machine Learning
    • korzystanie z algorytmów klasyfikacji
    • techniki klastrowania
    • wybór algorytmów
  • Użycie R i Python w Azure Machine Learning
    • korzystanie z R
    • korzystanie z Python
    • dołącznie R i Python do eksperymentów Azure Machine Learning 
  • Inicjowanie i optymalizacja modeli uczenia maszynowego
    • korzystanie z hiper-parametrów
    • korzystanie z wielu algorytmów i modeli
    • ocena i ocenianie modeli
  • Użycie modeli Azure Machine Learning 
    • wdrożenie i publikowanie modeli
    • wykorzystanie eksperymentów
  • Korzystanie z usług kognitywnych (Cognitive Services)
    • omówienie usług kognitywnych
    • przetwarzanie języka
    • przetwarzanie obrazów i wideo
    • polecanie produktów
  • Korzystanie z uczenia maszynowego w HDInsight
    • wprowadzenie do HDInsight
    • typy klastra HDInsight
    • modele uczenia maszynowego i HDInsight
  • Użycie R w uczeniu maszynowym
    • omówienie R i serwera R
    • użycie serwera R w uczeniu maszynowym
    • użycie R z SQL Server
 
PARTNERZY
Europejski Fundusz Rozwoju Regionalnego
© 2018 Integral Technologies