Частным лицам: +7 (495) 232-32-16
Корп. клиентам: +7 (495) 780-48-44

Интерактивные путеводители

Бизнес-аналитика

business-analytics-s

Облачные технологии Microsoft

cloud_microsoft-s

Типы обучения

Знаете ли Вы, что...

Курс 20774А: Облачная аналитика больших данных (Big Data) при помощи машинного обучения в Azure пользуется огромной популярностью среди специалистов, а также тех, кто только выбрал для себя такие востребованные и высокооплачиваемые профессии:

Не нашли нужный Вам курс?

Закажите его в индивидуальном формате или Напишите, и мы его сделаем!

Подписаться на рассылку


Полезные статьи
Обучающие материалы
Афиши и билеты на конференции
Подарки наших партнеров

Я принимаю условия Политики конфиденциальности и даю согласие на обработку персональных данных в соответствии с законодательством России

Спасибо! Вам на e-mail отправлено письмо со ссылкой для подтверждения

Если письмо не пришло, поищите его в папке со спамом или повторите подписку

Вы подписались на рассылку

Курс 20774А: Облачная аналитика больших данных (Big Data) при помощи машинного обучения в Azure




По окончании курса Вы будете уметь:
  • 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.
Специалисты, обладающие этими знаниями и навыками, в настоящее время крайне востребованы. Большинство выпускников наших курсов делают успешную карьеру и пользуются уважением работодателей.

Продолжительность курса - 40 ак. ч.

Преподаватели курса

Отзывы о Центре

Тут работают очень отзывчивые люди с желанием поделиться знаниями с другими людьми. Мне очень понравилось! Желаю Вам прогрессировать и развиваться дальше! Сейчас меня всё устраивает и я обязательно буду учиться далее

Cлушатель: Загер Давид Константинович

Удобство организации учебного процесса от момента заказа курсов до непосредственного обучения. Информационный обмен на высшем уровне. Обратная связь с кураторами и "бумажный" документооборот организованы прекрасно.

Cлушатель: Милованов Антон Михайлович

Предварительная подготовка

Требуемая подготовка: Успешное окончание курса Курс 20773А: Анализ больших данных (Big Data) с помощью Microsoft R или эквивалентная подготовка.

Требуемая подготовка: Успешное окончание курса Анализ данных на языке SQL или эквивалентная подготовка.

Требуемая подготовка: Английский язык. Уровень 2. Elementary, часть 2, или эквивалентная подготовка. Определить уровень владения языком вам поможет тест.

Рекомендуемая подготовка (необязательная): Успешное окончание курса Курс 20767А: Разработка и эксплуатация хранилищ данных на SQL Server 2016 или эквивалентная подготовка.

Рекомендуемая подготовка (необязательная):

Получить консультацию о необходимой предварительной подготовке по курсу Вы можете у наших менеджеров: +7 (495) 232-32-16.

Наличие предварительной подготовки является залогом Вашего успешного обучения. Предварительная подготовка указывается в виде названия других курсов Центра (Обязательная предварительная подготовка). Вам следует прочитать программу указанного курса и самостоятельно оценить, есть ли у Вас знания и опыт, эквивалентные данной программе. Если Вы обладаете знаниями менее 85-90% рекомендуемого курса, то Вы обязательно должны получить предварительную подготовку. Только после этого Вы сможете качественно обучиться на выбранном курсе.

Рекомендуемые курсы по специальности

Чтобы стать профессионалом, мы рекомендуем Вам вместе с этим курсом изучить:

Программа курса

  Тема Ак. часов  
   
  Модуль 1. Введение в машинное обучение
  • Что такое машинное обучение?
  • Введение в алгоритмы машинного обучения
  • Введение в языки машинного обучения

Лабораторная работа: Введение в машинное обучение

  • Регистрация в Azure
  • Тестирование работы
  • Оценка работы
1  
  Модуль 2. Введение в машинное обучение Azure
  • Обзор машинного обучения Azure
  • Введение в Azure Machine Learning Studio
  • Разработка и размещение приложений машинного обучения Azure

Лабораторная работа: Введение в машинное обучение Azure

  • Изучение Azure Machine Learning Studio
  • Клонирование и запуск простого эксперимента
  • Клонирование эксперимента, внесение простых изменений и повторный запуск
2  
  Модуль 3. Работа с наборами данных
  • Классификация данных
  • Импорт данных для машинного обучения Azure
  • Исследование и преобразование данных в машинном обучении Azure

Лабораторная работа: Визуализация данных

  • Подготовка базы данных SQL Azure
  • Импорт данных
  • Визуализация данных
  • Суммирование данных
4  
  Модуль 4. Подготовка данных для использования машинного обучения Azure
  • Предварительная обработка данных
  • Обработки неполных данных

Лабораторная работа: Подготовка данных для использования машинного обучения Azure

  • Обзор данных с помощью Power BI
  • Очистка данных
3  
  Модуль 5. Использование средств конструирования и выборки
  • Использование компонент конструирования
  • Использование компонент выбора

Лабораторная работа: Использование rxExec и revoPemaR для распараллеливания операций

  • Слияние наборов данных
  • Использовать PCA для понижения измерений
  • Выбор переменных и редактирование метаданных
2  
  Модуль 6. Построение моделей машинного обучения Azure
  • Процессы машинного обучения Azure
  • Оценка и применение моделей
  • Применение регрессионных алгоритмов
  • Использование нейронных сетей

Лабораторная работа: Построение моделей машинного обучения Azure

  • Использование модуля Azure machine learning Studio для подключения регрессии
  • Оценки моделей машинного обучения
  • Добавление дополнительных регрессионных моделей
  • Создание и запуск приложений с алгоритмами нейронных сетей
4  
  Модуль 7. Классификация и кластеризация в моделях машинного обучения Azure
  • Алгоритмы классификации
  • Методы кластеризации
  • Выбор алгоритмов

Лабораторная работа: Классификация и кластеризация в моделях машинного обучения Azure

  • Использование модулей Azure machine learning Studio для классификации
  • Добавление раздела К-среднего в эксперимент
  • Добавление PCA для обнаружения аномалий
  • Анализ моделей
3  
  Модуль 8. Использование R и Python в машинном обучении Azure
  • Использование R
  • Использование Python
  • Использование блокнотов Jupyter
  • Поддержка R и Python

Лабораторная работа: Использование R и Python в машинном обучении Azure

  • Добавление скриптов на R и Python
  • Использование Python в интегрированной среде разработки Visual Studio
  • Добавление блокнота Jupyter
  • Запуск блокнота Jupyter
  • Импорт пакетов для R/Python
  • Визуализация данных с помощью R/Python
  • Программирование на R для работы на основе временных рядов
4  
  Модуль 9. Инициализация и оптимизация моделей машинного обучения
  • Использование гипер-параметров
  • Использование нескольких алгоритмов и моделей
  • Сравнение и оценка ансамбля

Лабораторная работа: Инициализация и оптимизация моделей машинного обучения

  • Использование гипер-параметров
  • Построение ансамбля с помощью стека
  • Оценка ансамбля
3  
  Модуль 10. Использование моделей машинного обучения Azure
  • Развертывание и публикации моделей
  • Экспорт данных

Лабораторная работа: Использование моделей машинного обучения Azure

  • Развертывание моделей машинного обучения
  • Использование опубликованных моделей
  • Экспорт данных
  • Использование экспортированных данных в моделе машинного обучения
4  
  Модуль 11. Использование когнитивных служб
  • Обзор когнитивных служб
  • Обработка текста
  • Обработка изображений
  • Создание рекомендаций

Лабораторная работа: Использование когнитивных служб

  • Создание и запуск приложения обработки текста
  • Создание и запуск приложения для обработки изображений
  • Создание и запуск приложения с рекомендацией
3  
  Модуль 12. Использование машинного обучения с HDInsight
  • Введение в HDInsight
  • Типы кластеров HDInsight
  • HDInsight и модели машинного обучения

Лабораторная работа: Использование машинного обучения с HDInsight

  • Развертывание кластера HDInsight
  • Использование кластера HDInsight
  • Отображение данных в Power BI
3  
  Модуль 13. Использование R-сервисов машинного обучения
  • Обзор R и сервера R
  • Использование сервера R в моделях машинного обучения
  • Использование R с SQL Server

Лабораторная работа: Использование R-сервисов машинного обучения

  • Развертывание DSVM
  • Наука о данных в виртуальной машине
  • Настройка сервера R
  • Запуск образца приложения сервера R
  • Развертывание SQL Server 2016 в виртуальной машине Azure
  • Настройка SQL Server для разрешения выполнения сценариев R
  • Выполнение скриптов R внутри выражений Т-SQL
  • Использование R для визуализации данных
4  
  Аудиторная нагрузка в классе с преподавателем 40 +20
бесплатно
 
  По окончании обучения на курсе проводится итоговая аттестация. Аттестация проводится в виде теста на последнем занятии или на основании оценок практических работ, выполняемых во время обучения на курсе.  

Ближайшие группы  rss.gif

Данный курс вы можете пройти как в очном формате, так и дистанционно в режиме вебинара . Чтобы записаться на вебинар, в корзине измените тип обучения на вебинар и выберите удобную для вас группу.
Чем отличается обучение в режиме вебинара от других видов обучения?

Стоимость обучения (рублей)* 

Курс может быть заказан согласно ФЗ-44, ФЗ-223 (закупка/аукцион/запрос котировок/конкурсные процедуры)
с 10:00 до 17:00 Вечер или Выходные
Стандартная цена
Вебинар Безлимитное обучение Записаться
Частные лица 31 990 31 990 31 990 5 990
Организации 32 990 32 990 32 990
Центр предоставляет специальную услугу Индивидуального обучения. Длительность индивидуального обучения - минимум 4 академических часа. Стоимость обучения в Москве уточняйте у менеджера. При выездном индивидуальном обучении устанавливается надбавка: +40% от стоимости заказанных часов при выезде в пределах МКАД, +40% от стоимости заказанных часов и + 1% от стоимости заказанных часов за каждый километр удаления от МКАД при выезде в пределах Московской области. Стоимость выезда за пределы Московской области рассчитывается индивидуально менеджерами по работе с корпоративными клиентами.

Документы об окончании

В зависимости от программы обучения выдаются следующие документы*:

БУХ

Удостоверение

Cert_Common

Свидетельство

Cert_Inter

Cертификат международного образца

Cert_Microsoft

Международный сертификат Microsoft

*До начала обучения вам необходимо предоставить копию диплома о высшем или среднем профессиональном образовании.

Сертификаты международного образца выводятся после окончания курса в личном кабинете слушателя.

Все документы Центра

logo_wm.gif cyberplat1.gif logo_ramblertop.gif Яндекс.Метрика LiveInternet