Description du cours : DP-3014 Implémentation d'une solution d'apprentissage automatique avec Azure Databricks

Azure Databricks est une plateforme à l'échelle du cloud pour l'analyse de données et l'apprentissage automatique. Les data scientists et les ingénieurs en machine learning peuvent utiliser Azure Databricks pour déployer des solutions de machine learning à grande échelle.

• Niveau : Intermédiaire
• Produit : Azure Databricks
• Rôle : Scientifique des données
  

Parcours de formation

• Explorez Azure Databricks : Azure Databricks est un service cloud qui fournit une plate-forme évolutive pour l'analyse des données à l'aide d'Apache Spark.
• Utilisation d'Apache Spark sur Azure Databricks : Azure Databricks est basé sur Apache Spark et permet aux ingénieurs et analystes de données d'exécuter des tâches Spark pour transformer, analyser et visualiser des données à grande échelle.
• Formation d'un modèle de Machine Learning sur Azure Databricks : Le Machine Learning implique l'utilisation de données pour former un modèle prédictif. Azure Databricks prend en charge plusieurs frameworks d’apprentissage automatique couramment utilisés que vous pouvez utiliser pour entraîner des modèles.
• Utilisation de MLflow dans Azure Databricks : MLflow est une plateforme open source permettant de gérer le cycle de vie de l'apprentissage automatique pris en charge de manière native par Azure Databricks.
• Réglage des hyperparamètres dans Azure Databricks : le réglage des hyperparamètres est une partie essentielle de l’apprentissage automatique. Dans Azure Databricks, vous pouvez utiliser la bibliothèque Hyperopt pour optimiser automatiquement les hyperparamètres.
• Utilisation d'AutoML sur Azure Databricks : AutoML sur Azure Databricks simplifie le processus de création d'un modèle d'apprentissage automatique efficace pour vos données.
• Formation de modèles d'apprentissage profond sur Azure Databricks : l'apprentissage profond utilise des réseaux de neurones pour entraîner des modèles d'apprentissage automatique très efficaces pour les prévisions complexes, la vision par ordinateur, le traitement du langage naturel et d'autres charges de travail d'IA.

Conditions préalables

Une expérience de l'utilisation de Python pour explorer des données et former des modèles d'apprentissage automatique avec des frameworks open source courants tels que Scikit-Learn, PyTorch et TensorFlow est recommandée.

Langue

• Cours : Anglais / Espagnol
• Travaux pratiques : anglais/espagnol