Azure Data Machine Learning for Data Scientist เสริมทักษะนักวิทยาศาสตร์ข้อมูลด้วย Azure Machine Learning

Technology

หลักสูตร Azure Data Machine Learning for Data Scientist เสริมทักษะนักวิทยาศาสตร์ข้อมูลด้วย Azure Machine Learning

หลักสูตร Azure Data Machine Learning for Data Scientist มุ่งเน้นในการเสริมทักษะให้กับนักวิทยาศาสตร์ข้อมูล โดยเฉพาะผู้ที่ต้องการพัฒนาความสามารถในการใช้ Azure Machine Learning Platform ในการสร้างและปรับใช้โมเดล Machine Learning ที่มีประสิทธิภาพ ผ่านการเรียนรู้จากการเตรียมข้อมูล การสร้างโมเดล การประเมินผล และการปรับใช้โมเดลในสภาพแวดล้อมจริง บนเครื่องมือและบริการต่าง ๆ ของ Azure ที่ช่วยเพิ่มประสิทธิภาพในการทำงาน พร้อมทั้งเปิดโอกาสให้ผู้เรียนได้ฝึกปฏิบัติจริงผ่านกิจกรรม workshop ที่มีการใช้เครื่องมือและแอปพลิเคชันที่เกี่ยวข้อง

การเรียนรู้ในหลักสูตรนี้จะช่วยให้ผู้เรียนมีความเข้าใจเชิงลึกในการใช้เครื่องมือที่ Azure มีให้สำหรับ Machine Learning ตั้งแต่ขั้นตอนการเตรียมข้อมูล การเลือกอัลกอริธึมที่เหมาะสม การฝึกและปรับปรุงโมเดล รวมถึงการนำโมเดลไปใช้ในสภาพแวดล้อมการทำงานที่มีความท้าทาย โดยให้ผู้เรียนได้ทดลองและประยุกต์ใช้ทักษะที่เรียนรู้ในการสร้างและจัดการโมเดล Machine Learning ในการแก้ปัญหาต่างๆ อย่างมีประสิทธิภาพ

ระยะเวลา 12 ชั่วโมง

อบรม 2 วัน | 9.00 น. - 16.00 น.

ระดับ Intermediate

ระดับความรู้ขั้นปานกลาง


เนื้อหาการอบรม

  • บทนำเกี่ยวกับ Azure Machine Learning
    • ความรู้เบื้องต้นเกี่ยวกับ Azure Machine Learning Studio
    • การสร้างโปรเจคใหม่ใน Azure Machine Learning Studio
    • วงจรชีวิตของโครงการ Machine Learning
    • การตั้งค่าและใช้งานเครื่องมือใน Azure Machine Learning
    • การตั้งค่าสภาพแวดล้อมการทำงาน
    • การเชื่อมต่อ Azure กับเครื่องมือการทำงานต่างๆ เช่น Jupyter Notebook
  • การเตรียมข้อมูล
    • การเชื่อมต่อกับแหล่งข้อมูลต่างๆ เช่น SQL Database, Azure Blob Storage, Data Lake Storage
    • การดึงข้อมูลจาก Azure Storage และการนำข้อมูลเข้าสู่ Azure ML Studio
    • การทำความสะอาดข้อมูล (Data Cleaning)
    • การใช้เครื่องมือใน Azure ML Studio สำหรับการทำ Data Cleaning
    • การแปลงข้อมูล (Data Transformation)
    • การแปลงข้อมูลใน Azure ML Studio เพื่อเตรียมพร้อมสำหรับโมเดล
    • การแบ่งข้อมูลออกเป็นชุดฝึกและชุดทดสอบ
  • การสร้างและฝึกโมเดล
    • การเลือกอัลกอริธึมที่เหมาะสมกับปัญหาต่างๆ
    • การเลือกโมเดลและอัลกอริธึมที่เหมาะสม
    • การปรับแต่งไฮเปอร์พารามิเตอร์
    • การปรับแต่งและฝึกโมเดลด้วยข้อมูลที่เตรียมไว้
    • การฝึกโมเดลบน Azure Machine Learning Studio
    • การประเมินผลโมเดลและการวิเคราะห์ผลลัพธ์
  • การปรับใช้โมเดล
    • การปรับใช้โมเดลในรูปแบบต่างๆ (Batch Scoring, Real-time Scoring)
    • การปรับใช้โมเดลในสภาพแวดล้อมจริง
    • การสร้าง Web Service จากโมเดล
    • การสร้างและทดสอบ Web Service จากโมเดล
    • การติดตามและตรวจสอบประสิทธิภาพของโมเดล
  • Advanced Topics
    • การใช้ Azure Machine Learning Pipelines
    • การสร้าง Pipeline สำหรับการฝึกโมเดล
    • การปรับใช้โมเดลใน Azure Kubernetes Service
    • การปรับใช้โมเดลบน Azure Kubernetes
    • การใช้ AutoML ใน Azure Machine Learning Studio
    • การใช้งาน AutoML สำหรับการสร้างโมเดล