Azure Machine Learning, un service de Microsoft Azure, offre une plateforme puissante et flexible pour créer, déployer et gérer des modèles d’apprentissage automatique. Que vous soyez un data scientist, un architecte applicatif ou un développeur, cette formation vous guidera à travers toutes les étapes nécessaires pour exploiter pleinement les fonctionnalités d’Azure afin de déployer des modèles de machine learning, qu’ils soient simples ou complexes.
Vous apprendrez à utiliser l’interface no code, à intégrer des scripts Python et R, et à optimiser vos algorithmes avec les outils d’Azure.
Objectifs
Objectif opérationnel :
Apprendre à utiliser Azure pour le développement et le déploiement de modèles d’apprentissage automatique.
Objectifs pédagogiques :
À l’issue de cette formation, vous serez capable de :
- Utiliser l’espace de travail Azure Machine Learning pour créer, tester et gérer des modèles.
- Comprendre les étapes clés d’un projet de machine learning.
- Choisir et évaluer les algorithmes de manière efficace.
- Déployer un web service prédictif sur Azure.
À qui s’adresse cette formation ?
Public :
Cette formation est destinée aux data scientists, architectes applicatifs, et développeurs responsables de la création, de la préparation et du déploiement des modèles de machine learning dans un environnement Azure.
Prérequis :
Une bonne compréhension des statistiques (centrage, dispersion, corrélation, tests d’hypothèses) et une connaissance générale de la data science sont nécessaires. Les développeurs doivent avoir une expérience préalable avec Python et les librairies de machine learning comme Pandas, scikit-learn, Matplotlib et Seaborn.
Contenu du cours Azure Machine Learning
Découverte de Azure Machine Learning
- Présentation du cloud Azure et des services IA proposés.
- Introduction à l’offre Azure pour les projets de machine learning.
- Considérations de facturation liées à l’utilisation d’Azure.
- Prise en main de l’espace de travail Azure Machine Learning Studio.
Création et gestion des datasets
- Comment créer, utiliser et gérer des datasets dans Azure.
- Construction d’une expérience de machine learning avec un pipeline.
- Déploiement d’un Web Service prédictif pour les modèles créés.
Travaux pratiques : Déploiement et préparation des données
- Déploiement d’un environnement Azure et création d’une expérience de machine learning.
- Préparation et nettoyage des jeux de données pour les algorithmes.
- Étapes clés d’un projet de machine learning : détection de valeurs aberrantes, choix des variables et configuration des jeux de test.
Évaluation des algorithmes de machine learning
- Exploration des différentes catégories d’algorithmes : régression, clustering, classification.
- Critères de performance pour évaluer les algorithmes en fonction de leurs catégories.
- Paramétrage des algorithmes et mise en place d’un machine learning automatisé.
Fonctionnalités avancées d’Azure Machine Learning
- Utilisation des modules Python et R dans Azure pour le machine learning.
- Optimisation automatique des algorithmes pour améliorer les performances.
- Étiquetage du texte et des images, traitement des images dans un contexte de machine learning.
Travaux pratiques : Application des fonctionnalités avancées
- Implémentation d’un algorithme de détection de fraude et optimisation de son efficacité.
- Classification et étiquetage d’images pour des projets d’apprentissage supervisé.
Notebooks Jupyter et intégration dans Azure
- Présentation des notebooks Jupyter pour le machine learning.
- Intégration des notebooks dans l’environnement Azure Machine Learning.
- Travaux pratiques sur l’utilisation de Notebooks avec Python pour la classification d’images.
Prêt à maîtriser Azure Machine Learning et à déployer vos propres modèles de machine learning ?
Rejoignez cette formation pour acquérir les compétences nécessaires à l’exploitation complète des capacités d’Azure Machine Learning, tout en mettant en œuvre des algorithmes de manière pratique et efficace !
[S’inscrire à la formation]