2. ИнБИТ
  3. Курсы
  4. Специальности
  5. Аналитик данных
  6. SQL Server
  7. SQL Server 2016

Облачная аналитика Big Data при помощи машинного обучения в Azure

Курс предназначен для обучения специалистов работе машинным обучением, чтобы в дальнейшем с их помощью обрабатывать большие объёмы данных. Также курс будет интересен специалистам, изучающим HDInsight и R. Основная цель обучения — предоставить слушателям знания и навыки, необходимые для анализа больших данных и визуализации результата при помощи машинного обучения в Azure. Также в курсе рассмотрены другие инструменты анализа больших данных: HDInsight и R.

  Для кого:

Основная аудитория курса: инженеры, архитекторы, специалисты по подготовке данных и разработчики.

Что должен знать слушатель

Требования для прохождения курса:
  • Пройденный курс 20773: Анализ данных с помощью Microsoft R или эквивалентная подготовка.
  • Навык анализа данных на языке SQL.

    • Результаты обучения

    После прохождения этого курса студенты смогут:
  • объяснять принципы работы механизмов машинного обучения, используемые алгоритмы и языки;
  • описывать возможности машинного обучения в Azure и перечислять основные функции Azure Machine Learning Studio;
  • загружать и исследовать различные типы данных для машинного обучения Azure;
  • изучать и использовать методы подготовки наборов данных для использования с машинным обучением Azure;
  • изучать и использовать регрессионные алгоритмы и алгоритмы работы нейронных сетей в рамках машинного обучения Azure;
  • изучать и использовать алгоритмы классификации и кластеризации в рамках машинного обучения Azure;
  • использовать преимущества R и Python при работе с машинным обучением Azure;
  • изучать и использовать гипер-параметры, множество алгоритмов и моделей для решения аналитических задач;
  • предоставлять пользователям доступ к результатам отработки моделей машинного обучения Azure;
  • изучать и использовать подключения к когнитивным службам (Cognitive Services API) для обработки текста и изображений, создания рекомендаций и описание использования нейронных сетей в рамках машинного обучения Azure;
  • изучать и использовать HDInsight в рамках машинного обучения Azure;
  • изучать и использовать язык R и сервер R в рамках машинного обучения Azure;
  • объяснять, как развернуть и настроить SQL Server для поддержки служб R.

    • Программа обучения

    Модуль 1 Введение в машинное обучение▼

    • 1.1 Что такое машинное обучение?
    • 1.2 Введение в алгоритмы машинного обучения
    • 1.3 Введение в языки машинного обучения
    • Лаб. раб. Введение в машинное обучение

    Модуль 2 Введение в машинное обучение Azure▼

    • 2.1 Обзор машинного обучения Azure
    • 2.2 Введение в Azure Machine Learning Studio
    • 2.3 Разработка и размещение приложений машинного обучения Azure
    • Лаб. раб. Введение в машинное обучение Azure

    Модуль 3 Работа с наборами данных▼

    • 3.1 Классификация данных
    • 3.2 Импорт данных для машинного обучения Azure
    • 3.3 Исследование и преобразование данных в машинном обучении Azure
    • Лаб. раб. Визуализация данных

    Модуль 4 Подготовка данных для использования машинного обучения Azure▼

    • 4.1 Предварительная обработка данных
    • 4.2 Обработки неполных данных
    • Лаб. раб. Подготовка данных для использования машинного обучения Azure

    Модуль 5 Использование средств конструирования и выборки▼

    • 5.1 Использование компонент конструирования
    • 5.2 Использование компонент выбора
    • Лаб. раб. Использование rxExec и revoPemaR для распараллеливания операций

    Модуль 6 Построение моделей машинного обучения Azure▼

    • 6.1 Процессы машинного обучения Azure
    • 6.2 Оценка и применение моделей
    • 6.3 Применение регрессионных алгоритмов
    • 6.4 Использование нейронных сетей
    • Лаб. раб. Построение моделей машинного обучения Azure

    Модуль 7 Классификация и кластеризация в моделях машинного обучения Azure▼

    • 7.1 Алгоритмы классификации
    • 7.2 Методы кластеризации
    • 7.3 Выбор алгоритмов
    • Лаб.раб. Классификация и кластеризация в моделях машинного обучения Azure

    Модуль 8 Использование R и Python в машинном обучении Azure▼

    • 8.1 Использование R
    • 8.2 Использование Python
    • 8.3 Использование блокнотов Jupyter
    • 8.4 Поддержка R и Python
    • Лаб. раб. Использование R и Python в машинном обучении Azure

    Модуль 9 Инициализация и оптимизация моделей машинного обучения▼

    • 9.1 Использование гипер-параметров
    • 9.2 Использование нескольких алгоритмов и моделей
    • 9.3 Сравнение и оценка ансамбля
    • Лаб.раб. Инициализация и оптимизация моделей машинного обучения

    Модуль 10 Использование моделей машинного обучения Azure▼

    • 10.1 Развертывание и публикации моделей
    • 10.2 Экспорт данных
    • Лаб.раб. Использование моделей машинного обучения Azure

    Модуль 11 Использование когнитивных служб▼

    • 11.1 Обзор когнитивных служб
    • 11.2 Обработка текста
    • 11.3 Обработка изображений
    • 11.4 Создание рекомендаций
    • Лаб.раб. Использование когнитивных служб

    Модуль 12 Использование машинного обучения с HDInsight▼

    • 12.1 Введение в HDInsight
    • 12.2 Типы кластеров HDInsight
    • 12.3 HDInsight и модели машинного обучения
    • Лаб.раб. Использование машинного обучения с HDInsight

    Модуль 13 Использование R-сервисов машинного обучения▼

    • 13.1 Обзор R и сервера R
    • 13.2 Использование сервера R в моделях машинного обучения
    • 13.3 Использование R с SQL Server
    • Лаб.раб. Использование R-сервисов машинного обучения