DP-100

Cette formation permet d’acquérir les connaissances nécessaires pour utiliser les services Azure afin de développer, préparer et déployer des solutions de Machine Learning. Après avoir présenté les services d’Azure supportant la Data Science, vous aborderez et pratiquerez les services de Data Science proposés dans Azure. Cette formation est orientée Microsoft Azure et ne fournit pas les connaissances nécessaires pour réaliser de la Data Science. Il suppose que les stagiaires ont déjà ces connaissances.

Se former à la DP-100 présente plusieurs avantages importants :

1. Maîtrise des outils Azure pour la Data Science : La formation permet d'acquérir des compétences approfondies sur l'utilisation des services Azure pour développer, former et déployer des solutions d'apprentissage automatique.

2. Automatisation du pipeline de Data Science : Les participants apprennent à utiliser Azure Machine Learning service pour automatiser le processus de Data Science, de la préparation des données au déploiement des modèles.

3. Compétences pratiques : La formation offre une expérience pratique sur des outils essentiels tels qu'Azure Notebooks, Azure Machine Learning service, et d'autres services Azure supportant la Data Science.

4. Opportunités de carrière : Les compétences en Data Science sur Azure sont très recherchées, ouvrant de nouvelles opportunités professionnelles dans divers secteurs.

5. Optimisation des performances :  Azure permet d'optimiser les performances et la fiabilité des Data Pipelines et des Data Stores, essentiels pour les projets de Data Science à grande échelle.

6. Certification reconnue : La formation peut mener à des certifications Microsoft reconnues dans l'industrie, validant l'expertise et améliorant l'employabilité.

À l'issue de cette formation, le participant sera en capacité de :

• Utiliser le Machine Learning automatisé dans Azure Machine Learning,

• Créer un modèle de classification avec le concepteur Azure Machine Learning,

• Entraîner un modèle Machine Learning avec Azure Machine Learning,

• Utiliser des données dans Azure Machine Learning,

• Orchestrer le Machine Learning avec des pipelines,

• Déployer des services de Machine Learning en temps réel avec Azure Machine Learning,

• Déployer des pipelines d’inférence de lot avec Azure Machine Learning,

• Régler les hyperparamètres avec Azure Machine Learning,

• Automatiser la sélection de modèles Machine Learning avec Azure Machine Learning,

• Explorer la confidentialité différentielle,

• Expliquer les modèles Machine Learning avec Azure Machine Learning,

• Détecter et atténuer la partialité dans les modèles avec Azure Machine Learning,

• Surveiller la dérive des données avec Azure Machine Learning,

• Superviser des modèles avec Azure Machine Learning

Data scientist, Data engineers.

• Une expertise en Data Science et savoir appliquer la science des données et l’apprentissage automatique pour mettre en œuvre et exécuter des charges de travail d’apprentissage automatique sur Azure,

• Des connaissances et de l’expérience en science des données en utilisant Azure Machine Learning et Azure Databricks.

Module 01 : Connaitre le kit SDK Azure Machine Learning

• Provisionner un espace de travail Azure Machine Learning.

• Employer des outils et des interfaces pour utiliser Azure Machine Learning.

• Exécuter des expériences basées sur du code dans un espace de travail Azure Machine Learning.

Module 02 : Utiliser le Machine Learning automatisé dans Azure Machine Learning

• Utiliser l’interface utilisateur du Machine Learning automatisé dans Azure Machine Learning.

Module 03 : Créer un modèle de classification avec le concepteur Azure Machine Learning

• Entraîner et publier un modèle de classification avec le concepteur Azure Machine Learning.

Module 04 : Entraîner un modèle Machine Learning avec Azure Machine Learning (AML)

• Utiliser un ScriptRunConfig pour exécuter un script d’entraînement en tant qu’expérience AML.

• Créer des scripts d’entraînement paramétrables et réutilisables.

• Inscrire des modèles entraînés.

Module 05 : Utiliser des données dans Azure Machine Learning

• Créer et utiliser des magasins de données dans un espace de travail Azure Machine Learning. Créer et utiliser des jeux de données dans un espace de travail Azure Machine Learning.

Module 06 : Utiliser la capacité de calcul dans Azure Machine Learning

• Utiliser des environnements et des cibles de calcul.

Module 07 : Orchestrer le Machine Learning avec des pipelines

• Créer des étapes de pipeline.

• Transférer des données entre les étapes.

• Publier et exécuter un pipeline et planifier un pipeline.

Module 08 : Déployer des services de Machine Learning en temps réel avec Azure Machine Learning

• Déployer un modèle en tant que service d’inférence en temps réel.

• Utiliser un service d’inférence en temps réel.

• Résoudre les problèmes de déploiement de service.

Module 09 : Déployer des pipelines d’inférence de lot avec Azure Machine Learning

• Créer, publier et utiliser des pipelines d’inférence de lot avec Azure Machine Learning

Module 10 : Régler les hyperparamètres avec Azure Machine Learning

• Utiliser les expériences de réglage d’hyperparamètres AML pour optimiser les performances.

Module 11 : Automatiser la sélection de modèles Machine Learning avec Azure Machine Learning

• Utiliser les fonctionnalités de Machine Learning automatisé d’AML afin de déterminer l’algorithme le plus performant pour vos données.

• Utiliser le Machine Learning automatisé pour prétraiter les données à des fins d’entraînement.

• Exécuter une expérience de machine learning automatisé.

Module 12 : Explorer la confidentialité différentielle

• Expliquer le problème de la confidentialité des données.

• Décrire le fonctionnement de la confidentialité différentielle.

• Configurer les paramètres de la confidentialité différentielle.

• Effectuer une analyse de données privées de manière différentielle.

Module 13 : Expliquer les modèles Machine Learning avec Azure Machine Learning

• Expliquer les modèles en calculant et en interprétant l’importance des caractéristiques.

Module 14 : Détecter et atténuer la partialité dans les modèles avec Azure Machine Learning

• Evaluer l’impartialité des modèles Machine Learning.

• Atténuer la disparité prédictive dans un modèle Machine Learning.

Module 15 : Surveiller la dérive des données avec Azure Machine Learning

• Surveiller la dérive des données avec Azure Machine Learning.

Module 16 : Superviser des modèles avec Azure Machine Learning

• Utiliser Azure Application Insights pour surveiller un modèle d’Azure Machine Learning déployé.

• 1 poste de travail par stagiaire

• Remise d'une documentation pédagogique papier ou numérique pendant la formation

• 50% de théorie, de réflexions et de retours d'expérience sous forme d'un power point

• 50% de pratique sous forme d'ateliers

• Pour toute demande de formation en intra-entreprise, merci de prendre contact directement auprès de formation@expaceo.com

Les modalités d'évaluation de la formation DP-100incluent une auto-évaluation des acquis par les stagiaires, leur permettant de mesurer leur compréhension des concepts abordés. À l'issue de la formation, chaque participant reçoit une attestation de fin de stage, certifiant leur participation et les compétences acquises durant le cursus.