Formation

Exploiter le potentiel de Data Science en Cloud avec le Machine Learning d’Azure

Référence: MS20774

5
Jours
35
Heures
2300
Euros (HT)

Caractéristiques

S'inscrire à la formation

Formulaire d'inscription

Date de la formation

Voir le calendrier

Lieu

Site de Metz :
JCD FORMATION
193 rue Metman
57070 METZ
03 87 37 97 70

Site de Pompey :
KAPEDIA
132 Rue Léonard de Vinci
54340 POMPEY
03 83 49 80 80

Formation accessible à distance La formation est accessible à distance.

Logo personne à mobilité réduites La formation est accessible aux personnes à mobilité réduite et toute demande d’adaptation peut être étudiée en amont de la formation en fonction du besoin des personnes. Nous contacter pour plus d’informations.

Public/Prérequis

Public : Toute personne qui souhaite analyser et présenter des données en utilisant Azure Machine Learning.
Professionnels IT, développeurs et toutes personnes impliqués dans des projets basés sur Azure Machine Learning.

Prérequis : Avoir suivi la formation "Les fondamentaux de l'analyse statistique avec R" (BI103) ou disposer des connaissances équivalentes.
Connaissance des méthodes statistiques communes et des meilleures pratiques d'analyse de données.
Connaissances de base du système d'exploitation Microsoft Windows et de ses fonctionnalités principales.
Connaissance pratique des bases de données relationnelles.

Méthodes et moyens pédagogiques

Pédagogie active, avec alternance de phases théoriques et d’exercices pratiques.
Ces derniers permettent une utilisation immédiate et quotidienne des outils proposés.

Validation

Attestation de stage

Profil intervenant

Formateur Expert dans le domaine

Suivi et évaluation de l’action

Compte rendu de fin de formation et analyse interne.
Questionnaire « évaluation de la formation » rempli par le stagiaire.

Objectifs

Comprendre ce qu’est le Machine Learning et comment les algorithmes et les langages sont utilisés.
Pouvoir décrire à quoi sert Azure Machine Learning et énumérer les principales fonctionnalités d’Azure Machine Learning Studio.
Savoir télécharger et explorer divers types de données vers Azure Machine Learning.
Pouvoir explorer et utiliser des techniques pour gérer un grand nombre de données avec Azure Machine Learning.
Apprendre à utiliser des algorithmes de classification et de clustering avec Azure Machine Learning.
Savoir utiliser R et Python avec Azure Machine Learning.
Comprendre comment utiliser HDInsight avec Azure Machine Learning.
Être en mesure d’utiliser R et le serveur R avec Azure Machine Learning et savoir déployer et configurer SQL Server pour prendre en charge les services R.

Vous pourriez être intéressé

Caractéristiques

S'inscrire à la formation

Formulaire d'inscription

Date de la formation

Voir le calendrier

Lieu

Site de Metz :
JCD FORMATION
193 rue Metman
57070 METZ
03 87 37 97 70

Site de Pompey :
KAPEDIA
132 Rue Léonard de Vinci
54340 POMPEY
03 83 49 80 80

Formation accessible à distance La formation est accessible à distance.

Logo personne à mobilité réduites La formation est accessible aux personnes à mobilité réduite et toute demande d’adaptation peut être étudiée en amont de la formation en fonction du besoin des personnes. Nous contacter pour plus d’informations.

Public/Prérequis

Public : Toute personne qui souhaite analyser et présenter des données en utilisant Azure Machine Learning.
Professionnels IT, développeurs et toutes personnes impliqués dans des projets basés sur Azure Machine Learning.

Prérequis : Avoir suivi la formation "Les fondamentaux de l'analyse statistique avec R" (BI103) ou disposer des connaissances équivalentes.
Connaissance des méthodes statistiques communes et des meilleures pratiques d'analyse de données.
Connaissances de base du système d'exploitation Microsoft Windows et de ses fonctionnalités principales.
Connaissance pratique des bases de données relationnelles.

Méthodes et moyens pédagogiques

Pédagogie active, avec alternance de phases théoriques et d’exercices pratiques.
Ces derniers permettent une utilisation immédiate et quotidienne des outils proposés.

Validation

Attestation de stage

Profil intervenant

Formateur Expert dans le domaine

Suivi et évaluation de l’action

Compte rendu de fin de formation et analyse interne.
Questionnaire « évaluation de la formation » rempli par le stagiaire.

Logo Qualiopi Logo NF

Programme

INTRODUCTION À MACHINE LEARNING

  • Qu’est-ce que Machine Learning
  • Introduction aux algorithmes Machine Learning
  • Introduction aux langages Machine Learning

INTRODUCTION À AZURE MACHINE LEARNING

  • Présentation de Azure Machine Learning
  • Introduction à Azure Machine Learning Studio
  • Développement et hébergement d’applications Azure Machine Learning

GESTION D’ENSEMBLE DE DONNÉES

  • Catégoriser vos données
  • Importation de données vers Azure Machine Learning
  • Exploration et transformation des données dans Azure Machine Learning

PRÉPARATION DES DONNÉES À UTILISER AVEC AZURE MACHINE LEARNING

  • Prétraitement des données
  • Gestion des ensembles de données incomplets

UTILISATION DE LA FONCTIONNALITÉ ENGENEERING ET SÉLECTION

  • Utilisation de la fonctionnalité Engeneering
  • Utilisation de la fonctionnalité Sélection

CONSTRUCTION DE MODÈLES AZURE MACHINE LEARNING

  • Flux de travail Azure Machine Learning
  • Notation et évaluation des modèles
  • Utilisation d’algorithmes de régression
  • Utilisation des réseaux neuronaux

UTILISATION DE LA CLASSIFICATION ET DU CLUSTERING AVEC LES MODÈLES AZURE MACHINE LEARNING

  • Utilisation d’algorithmes de classification
  • Techniques de clustering
  • Sélection des algorithmes

UTILISATION DE R ET PYTHON AVEC AZURE MACHINE LEARNING

  • Utilisation de R
  • Utilisation de Python
  • Incorporer R et Python dans les expériences Machine Learning

INITIALISATION ET OPTIMISATION DES MODÈLES MACHINE LEARNING

  • Utilisation d’hyper-paramètres
  • Utilisation d’algorithmes multiples et modèles
  • Notation et évaluation de modèles

UTILISATION DE MODÈLES AZURE LEARNING MACHINE

  • Déploiement et publication de modèles
  • Expériences consommatrices

UTILISATION DES SERVICES COGNITIFS

  • Aperçu des services cognitifs
  • Traitement du langage
  • Traitement des images et de la vidéo
  • Recommandation de produits

UTILISATION DE MACHINE LEARNING AVEC HDINSIGHT

  • Introduction à HDInsight
  • Types de cluster HDInsight
  • HDInsight et modèles Machine Learning

UTILISATION DES SERVICES R AVEC MACHINE LEARNING

  • Présentation de R et du serveur R
  • Utilisation du serveur R avec Machine Learning
  • Utilisation de R avec SQL Server