Bu eğitim, Scikit-Learn, PyTorch ve TensorFlow gibi ortak açık kaynaklı çerçevelerle verileri keşfetmek ve makine öğrenimi modellerini eğitmek için Python kullanma deneyimine sahip olduğunuzu varsayar. Buna başlamadan önce Makine öğrenimi modelleri oluşturma öğrenme yolunu tamamlamayı düşünün.
Modül 1: Azure Databricks'i keşfedin
Azure Databricks, Apache Spark kullanarak veri analitiği için ölçeklenebilir bir platform sağlayan bir bulut hizmetidir.
Modül 2: Azure Databricks'te Apache Spark'ı kullanma
Azure Databricks, Apache Spark üzerine kuruludur ve veri mühendisleri ile analistlerin, verileri uygun ölçekte dönüştürmek, analiz etmek ve görselleştirmek için Spark işlerini çalıştırmasına olanak tanır.
Modül 3: Azure Databricks'te makine öğrenimi modeli eğitme
Makine öğrenimi, tahmine dayalı bir modeli eğitmek için verilerin kullanılmasını içerir. Azure Databricks, modelleri eğitmek için kullanabileceğiniz, yaygın olarak kullanılan birden çok makine öğrenimi çerçevesini destekler.
Modül 4: Azure Databricks'te MLflow'u kullanma
MLflow, Azure Databricks'te yerel olarak desteklenen makine öğrenimi yaşam döngüsünü yönetmeye yönelik açık kaynaklı bir platformdur.
Modül 5: Azure Databricks'te hiperparametreleri ayarlama
Hiperparametrelerin ayarlanması, makine öğreniminin önemli bir parçasıdır. Azure Databricks'te hiperparametreleri otomatik olarak iyileştirmek için Hyperopt kitaplığını kullanabilirsiniz.
Modül 6: Azure Databricks'te AutoML'yi kullanma
Azure Databricks'teki AutoML, verileriniz için etkili bir makine öğrenimi modeli oluşturma sürecini basitleştirir.
Modül 7: Azure Databricks'te derin öğrenme modellerini eğitme
Derin öğrenme, karmaşık tahmin, bilgisayarla görme, doğal dil işleme ve diğer yapay zeka iş yükleri için son derece etkili makine öğrenimi modellerini eğitmek amacıyla sinir ağlarını kullanır.
Sınıf eğitimlerimizi İstanbul, Ankara ve Londra ofislerimizde düzenlemekteyiz. Kurumunuza özel eğitimleri ise, dilediğiniz tarih ve lokasyonda organize edebiliriz.