Concevoir et Mettre en Œuvre une Solution Data Science sur Azure

À propos de la formation

– Comprendre les services Azure adaptés à la création de solutions de data science
– Apprendre à concevoir, à développer et à déployer des modèles de machine learning sur Azure
– Maîtriser les techniques de prétraitement, de formation, d’évaluation et de déploiement de modèles de data science sur Azure

Contenu de la formation

Session 1: Introduction à Microsoft Azure pour la Data Science ………… (3 heures)
- Vue d’ensemble de la plateforme Azure pour les solutions de data science : services, outils, fonctionnalités - Création d’un compte Azure et configuration de l’environnement de développement - Exploration des services Azure adaptés à la data science : Azure Machine Learning, Azure Databricks, Azure Synapse Analytics, etc.

Session 2: Préparation des Données avec Azure ……………………………… (3 heures)
- Utilisation des services Azure pour la préparation des données : Azure Data Lake Storage, Azure SQL Database, Azure Databricks, etc. - Nettoyage, transformation et structuration des données pour l’analyse

Session 3: Développement et Entraînement de Modèles de Machine Learning avec Azure Machine Learning……………. (3 heures)
- Création d’espaces de travail Azure Machine Learning - Développement et entraînement de modèles de machine learning avec Azure Machine Learning Studio et Azure Machine Learning SDK - Utilisation d’algorithmes de machine learning populaires pour résoudre des problèmes de classification, de régression et de clustering

Session 4: Évaluation et Optimisation des Modèles de Machine Learning ………………… (3 heures)
- Évaluation des performances des modèles de machine learning : métriques, cross-validation, validation croisée - Techniques d’optimisation des modèles : réglage des hyperparamètres, feature engineering, sélection de modèle - Déploiement de modèles entraînés pour une évaluation en production

Session 5: Utilisation d’Azure Databricks pour le Traitement et l’Analyse de Données ………….(3 heures)
- Présentation d’Azure Databricks : caractéristiques, architecture, cas d’utilisation - Création de clusters Databricks et de notebooks pour le développement et l’exécution de code Spark - Utilisation de Databricks pour le traitement de données massives et l’analyse exploratoire

Session 6: Déploiement de Modèles avec Azure Machine Learning ……………… (3 heures)
- Déploiement de modèles de machine learning avec Azure Machine Learning : service d’inférence, conteneur Docker, Azure Functions - Gestion des versions de modèles déployés et des environnements d’inférence - Surveillance des performances des modèles déployés en production

Session 7: Intégration des Services Azure pour des Solutions de Data Science Complètes ………………………….. (3 heures)
- Intégration des différents services Azure pour créer des pipelines de data science complets : Azure Data Factory, Azure Synapse Analytics, etc. - Création de workflows de traitement de données et d’entraînement de modèles de bout en bout sur Azure

Session 8: Sécurité, Gouvernance et Éthique dans les Solutions de Data Science sur Azure ……………………….. (3 heures)
- Bonnes pratiques pour la sécurité des données et la conformité réglementaire dans Azure - Gestion de l’accès aux données sensibles et des autorisations des utilisateurs - Considérations éthiques et légales dans le développement et le déploiement de solutions de data science

Session 9: Maintenance, Surveillance et Mise à l’Échelle des Solutions de Data Science sur Azure ……………………… (3 heures)
- Surveillance des performances des solutions de data science en production : monitoring, logging, alerting - Maintenance régulière des modèles de machine learning déployés : mise à jour, réévaluation - Mise à l’échelle des solutions de data science pour répondre aux besoins croissants en données et en utilisateurs

Session 10: Projet Pratique et Conclusion …………………………………………………….. (3 heures)
- Réalisation d’un projet pratique intégrant les concepts et les techniques appris tout au long de la formation - Présentation des projets et des solutions développées par les participants - Récapitulatif des principaux enseignements et des étapes à suivre pour poursuivre l’apprentissage dans le domaine de la data science sur Azure

Notes et avis de l’apprenant

Encore aucun avis !