Programm
- 1. Tag
- Einführung in Machine Learning
- Was ist Machine Learning?
- Machine Learning Algorithmen und Sprachen
- Azure Machine Learning Studio
- Experiments nutzen und evaluieren
- Einführung in Azure Machine Learning
- Verwalten von Datasets
- Kategorisierung von Daten
- Daten in Azure ML importieren
- Daten untersuchen und transformieren
- Daten für Azure ML vorbereiten
- Data pre-processing
- Umgehen mit unvollständigen Datasets 2. Tag
- Verwenden von Feature Engineeing und Selection
- Vorbereiten der Datasets
- Verwenden von Join
- Aufbau von Azure ML Models
- Azure ML Workflows
- Scoring und Evaluierung von Models
- Regression Algorithmen
- Neurale Netzwerke 3. Tag
- Classification und Clustering
- Classification Algorithmen
- Clustering Techniken
- k-means Sections
- PCA for anomaly detection
- Verwenden von R und Python mit Azure ML
- Daten mit R untersuchen
- Analyse von Daten mit Python
- Jupyter notebooks 4. Tag
- Initialisierung und Optimierung von ML Models
- Hyper-Parameters
- Kombination von Algorithmen und Models
- Ensembles
- Bereitsstellen von Azure ML Models
- Deployment und Publishing
- Experimiente bereitstellen
- Verwenden von Cognitive Services
- Processing language
- Verarbeiten von Bildern und Videos 5. Tag
- Machine Learning mit HDInsight
- Einführung in HDInsight
- HDInsight Cluster Types
- Verwenden von R Services mit ML
- Überblick R and R Server
- Deployment von DSVM
- Verwenden einer Remote R Sitzung
- R Scripting in T-SQL Statements
Ziele
Dieses Seminar richtet sich an Daten-Analysten, IP Professionals und Entwickler die Daten mit Hilfe von Azure Machine Learning, HDInsight und Microsoft R analysieren möchten.
Voraussetzungen
Grundkenntnisse von relationalen Datenbanken, Grundkenntnisse der statistischen Auswertung