Passer au contenu
36 h

Infonuagique et virtualisation

2$/h – AzureML- Introduction à l’apprentissage automatique

Objectif

Ce cours initie les participants aux techniques d’analyse de données et à leurs applications en entreprise. Il permet aux participants la prise en main rapide de la plateforme Azure Machine Learning (Azure ML).

Les cas étudiés illustrent la manière d’utiliser les techniques d’analyse de données pour améliorer la prise de décision et la performance. Azure ML est une plateforme considérée comme révolutionnaire. Elle est un excellent outil pour créer des modèles d’apprentissage automatique avancés sans écrire une seule ligne de code.

Cette formation, à la fois théorique et pratique, permet :

  • De comprendre les concepts importants et de les mettre en application à l’aide de cas pratiques.
  • D’acquérir des connaissances de base en science des données et en apprentissage automatique.
  • De construire un modèle et d’en interpréter les variables.
  • De déployer un modèle sous la forme de service web dans le cloud

Contenu

Introduction à Azure Machine Learning

  • Création d’un espace de travail Azure Machine Learning
  • Utilisation des outils Azure Machine Learning

 Apprentissage machine sans code avec Designer

  • Déployer un service avec Azure ML Designer
  • Utilisation du concepteur pour former un modèle d’apprentissage machine

Exécution d’expériences et de modèles de formation

  • Exécution des expériences
  • Formation et enregistrement de modèles

 Travailler avec des données

  • Utilisation des banques de données
  • Utilisation d’ensembles de données

 Calcul des contextes

  • Création et utilisation des environnements
  • Création et utilisation des cibles de calcul

 Orchestration des opérations avec des pipelines

  • Création des pipelines pour automatiser le travail de l’apprentissage machine
  • Publication et exécution des services de pipeline

Déploiement et consommation de modèles

  • Création d’un service d’inférence en temps réel
  • Création d’un service d’inférence par lots

 Formation des modèles optimaux

  • Réglage des hyperparamètres
  • Utilisation de l’apprentissage automatique automatisé

 Interprétation des modèles

  • Génération et examen des explications de l’apprentissage automatique automatisé

 Modèles de surveillance

  • Utilisation d’Application Insights pour surveiller un modèle publié
  • Surveillance de la dérive des données

Approche pédagogique

  • Les notions théoriques sont présentées par le formateur.
  • Les participants doivent effectuer des exercices selon différents scénarios.
  • Le formateur guide les participants dans la réalisation des exercices.
  • Les participants discutent en groupe des solutions aux exercices.

Pour bien maîtriser les notions enseignées, le participant devrait compléter le cours par la pratique personnelle.

Préalables

  • Avoir des connaissances de base en statistiques
  • Avoir des connaissances ou une expérience de base dans l’utilisation de tableurs Excel.
  • Savoir écrire des scripts est souhaitable.
  • Posséder un ordinateur avec micro et écouteurs ou haut-parleurs ainsi qu’un deuxième écran pour la formation à distance.