Training Designing and implementing a Data Science Solution on Azure DP-100 bootcamp

Azure Machine Learning heeft een sterke positie opgebouwd vanwege de naadloze integratie met andere Azure-services en de ondersteuning voor MLOps, wat het platform aantrekkelijk maakt voor organisaties die hun machine learning-projecten in de cloud willen beheren en schalen.

Het platform biedt data scientists, developers en organisaties de tools en infrastructuur die ze nodig hebben om machine learning-oplossingen te ontwikkelen en te beheren. Deze training is bedoeld om in korte tijd kennis te maken met Azure Machine Learning. De belangrijkste onderwerpen komen hierbij aan bod. We volgen hierbij de onderwerpen van het Microsoft DP-100 examen.

Traineeship Machine Learning Engineer

De training Designing and implementing a Data Science Solution on Azure (DP-100) bootcamp wordt vaak gebruikt als basis voor een traineeship Machine Learning Engineer. In veel gevallen maken we dan een training op maat met deze training als onderdeel. Denk bijvoorbeeld aan een combinatie met een datawarehouse, Azure DevOps of Python.

Binnen een traineeship kunnen we zowel de bootcamp Designing and implementing a Data Science Solution on Azure als de uitgebreidere versie aanbieden.

Bedrijfstraining Designing and implementing a Data Science Solution on Azure

Wil je met je met een heel team je gaan verdiepen in de mogelijkheden van Azure voor jullie eigen Machine Learning oplossingen? Tijdens een bedrijfstraining kunnen wij de training volledig op maat voor jouw organisatie verzorgen, voor jou en wellicht een groep van je collega's.

Tijdens de Training Designing and implementing a Data Science Solution on Azure DP-100 bootcamp komen in basis onderstaande onderwerpen aan bod. Afhankelijk van ontwikkelingen op het vakgebied, kan de feitelijke trainingsinhoud hier echter van afwijken. Bel ons gerust voor meer informatie over de actuele inhoud.

Introductie Azure Machine Learning

In deze module leer je hoe je een Azure Machine Learning-workspace kunt voorzien en gebruiken om machine learning-middelen te beheren, zoals gegevens, rekenkracht, training code model, gelogde metingen en getrainde modellen. Je leert hoe je de op web gebaseerde Azure Machine Learning-studio-interface kunt gebruiken, evenals de Azure Machine Learning SDK en ontwikkelaarstools zoals Visual Studio Code en Jupyter Notebooks om te werken met de middelen in je workspace.

• Introductie tot Azure Machine Learning
• Werken met Azure Machine Learning

Lab: Maak een Azure Machine Learning-workspace

Na het voltooien van deze module heb je:

• Een Azure Machine Learning-workspace ingericht
• Hulpmiddelen en code gebruikt om met Azure Machine Learning te werken

No-Code Machine Learning

Deze module introduceert de visuele tools voor geautomatiseerde machine learning en de Azure Machine Learning Designer, waarmee je machine learning-modellen kunt trainen, evalueren en implementeren zonder enige code te schrijven.

• Geautomatiseerde Machine Learning
• Azure Machine Learning Designer

Lab: Gebruik Geautomatiseerde Machine Learning

Lab: Gebruik Azure Machine Learning Designer

Na het voltooien van deze module heb je:

• Geautomatiseerde machine learning gebruikt om een machine learning-model te trainen
• Azure Machine Learning Designer gebruikt om een model te trainen

Running Experiments and Training Models

In deze module ga je aan de slag met experimenten die data-verwerkings- en model training code bevatten, en je zult ze gebruiken om machine learning-modellen te trainen.

• Introductie Experiments
• Training en registratie van modellen

Lab: Voer Experimenten Uit

Lab: Train Modellen

Na het voltooien van deze module heb je:

• Code-gebaseerde experimenten uitgevoerd in een Azure Machine Learning-workspace
• Machine learning-modellen getraind en geregistreerd

Working with Data

Data is een fundamenteel element in elke machine learning-werkbelasting, dus in deze module leer je hoe je datastores en datasets kunt maken en beheren in een Azure Machine Learning-workspace, en hoe je ze kunt gebruiken in modeltrainings-experimenten.

• Werken met datastores
• Werken met datasets

Lab: Werken met data

Na het voltooien van deze module heb je:

• Dataopslagplaatsen gemaakt en gebruikt
• Datasets gemaakt en gebruikt

Compute contexts

Een van de belangrijkste voordelen van de cloud is de mogelijkheid om op aanvraag computing resources te benutten en deze te gebruiken om machine learning-processen op te schalen tot een niveau dat onhaalbaar zou zijn met je eigen hardware. In deze module leer je hoe je Experiment Environments kunt beheren die zorgen voor consistente runtime-consistentie voor experimenten, en hoe je rekendoelen kunt creëren en gebruiken voor experimenten.

• Werken met Environments
• Werken met Compute Targets

Lab: Werken met Environments

Lab: Werken met Compute Targets

Na het voltooien van deze module heb je:

• Environments gecreëerd en gebruikt
• Compute Targets gecreëerd en gebruikt

Orchestrating Operations with Pipelines

Nu je de basisprincipes begrijpt van het uitvoeren van workloads als experimenten die gebruikmaken van gegevensbronnen en rekencapaciteit, is het tijd om te leren hoe je deze workloads kunt orchestreren als pipelines van onderling verbonden stappen. Pipelines zijn essentieel voor het implementeren van een effectieve Machine Learning Operationalization (ML Ops) oplossing in Azure, dus je zult ontdekken hoe je ze kunt definiëren en uitvoeren in deze module.

• Introductie tot pipelines
• Publiceren en uitvoeren van pipelines

Lab: Een pipeline maken

Na het voltooien van deze module heb je:

• Pipelines gemaakt om machine learning-workflows te automatiseren
• Pipeline services gepubliceerd en uitgevoerd

Deploying and Consuming Models

Modellen zijn ontworpen om besluitvorming te ondersteunen door middel van voorspellingen, dus ze zijn alleen nuttig wanneer ze worden geïmplementeerd en beschikbaar zijn voor een toepassing om te gebruiken. In deze module leer je hoe je modellen kunt implementeren voor real-time inferentie en voor batch-inferentie.

• Real-time Inferentie
• Batch-inferentie
• Continuous integration & deployment

Lab: Maak een Real-time Inferentie-service

Lab: Maak een Batch Inferentie-service

Na het voltooien van deze module heb je:

• Een model gepubliceerd als een real-time inferentie-service
• Een model gepubliceerd als een batch-inferentie-service
• Technieken beschreven om CI/CD te implementeren

Training Optimal Models

Op dit punt in de cursus heb je het end-to-end proces geleerd voor het trainen, implementeren en gebruiken van machine learning-modellen. Maar hoe zorg je ervoor dat je model de beste voorspellende resultaten oplevert voor je gegevens? In deze module zul je ontdekken hoe je hyperparameter tuning en geautomatiseerde machine learning kunt gebruiken om te profiteren van de rekencapaciteit op cloud-schaal en het beste model voor je gegevens te vinden.

• Hyperparameter Tuning
• Geautomatiseerde Machine Learning

Lab: Tune Hyperparameters

Lab: Gebruik Geautomatiseerde Machine Learning vanuit de SDK

Na het voltooien van deze module heb je:

• Hyperparameters geoptimaliseerd voor modeltraining
• Geautomatiseerde machine learning gebruikt om het optimale model voor je gegevens te vinden

Monitoring Models

Nadat een model is geïmplementeerd, is het belangrijk om te begrijpen hoe het model in productie wordt gebruikt en eventuele afname in effectiviteit als gevolg van gegevensafwijking (Data Drift) op te sporen. In deze module worden technieken beschreven voor het monitoren van modellen en de gegevens die ze gebruiken.

• Het monitoren van modellen met Application Insights
• Het monitoren van gegevensafwijking (Data Drift)

Lab: Het monitoren van een model met Application Insights

Lab: Het monitoren van datadrift

Na het voltooien van deze module heb je:

• Application Insights gebruikt om een gepubliceerd model te monitoren
• Datadrift gemonitord

Trainers

Om de praktijk zo dicht mogelijk te benaderen, werkt Eduvision uitsluitend met trainers die zelf in de praktijk actief zijn. Zij kennen de branche, de klanten en de problemen waar je tegenaan loopt. Daarom zijn zij tijdens deze training je persoonlijke coach. Deze vakexpert staat volledig tot je beschikking en ondersteunt direct en doelgericht bij je eigen praktijkcase.

Benodigdheden

Om het meeste rendement te halen uit de Training Designing and implementing a Data Science Solution on Azure DP-100 bootcamp verzoeken wij je vriendelijk om je eigen laptop mee te nemen. Hierdoor heb je altijd jouw eigen praktijkcase en opleidingsmateriaal bij de hand en kun je thuis direct verder met je eigen case.

Doelgroep

De training is bedoeld voor professionals met kennis van Python en machine learning die machine learning-oplossingen in de Azure cloud willen bouwen en beheren.

Voorkennis

Wij gaan ervan uit dat je kennis hebt van Python programmeren voor data analyse. Daarnaast gaan we uit van basiskennis van Machine Learning processen.

Kies uit 3 locatie(s) in Nederland. Ook beschikbaar in Antwerpen.

Bedrijfstraining

Met een bedrijfstraining kies je voor een training die helemaal aansluit bij de specifieke wensen, behoefte en dagelijkse praktijk van jouw bedrijf of organisatie. Je kunt in je eentje deelnemen aan deze maatwerktraining, maar ook met één of meerdere collega’s. Een bedrijfstraining vindt plaats waar je maar wilt: op locatie bij jouw bedrijf of organisatie, ergens in het land of op onze mooie trainingslocatie op de Veluwe in Apeldoorn. Bel ons gerust voor advies; we denken graag met je mee. Wil je een vrijblijvend voorstel ontvangen? Vraag er dan online een aan.

Privétraining

De essentie van een privétraining is, dat de trainer volledig tot jouw beschikking staat. Je kunt daarbij kiezen voor een algemeen programma (zie hiervoor onze trainingomschrijvingen), maar het is ook mogelijk om de training helemaal te laten aansluiten bij jouw specifieke wensen, behoefte en dagelijkse praktijk. Bij zo’n maatwerktraining wordt het programma helemaal afgestemd op jouw situatie, wensen en leerbehoefte. Hierdoor mag je rekenen op maximaal leerrendement. Bel ons gerust voor een (maatwerk)privétraining te bespreken; we denken graag met je mee. Wil je een vrijblijvend voorstel ontvangen? Vraag er dan online een aan.

Virtuele training

Wil je de door jou gewenste training liever virtueel (online) volgen? Dat kan via onze ‘remote classroom’. Het verschil met een face-to-face-training is dat de trainer de training op afstand voor je verzorgt. Je kunt daarbij kiezen voor het algemene programma (zie hiervoor onze trainingomschrijvingen), maar we kunnen de training ook aanpassen aan je specifieke wensen, behoefte en praktijksituatie. Je volgt je virtuele training in je eentje, met je collega’s of met mensen van andere bedrijven. Wil je weten wat we op dit gebied precies voor je kunnen betekenen? Bel ons gerust, we denken graag met je mee over de mogelijke oplossingen.

Klassikale training

Bij een klassikale training volg je een opleiding of training samen met een klas van medestudenten. Het voordeel van deze setting is, dat je kunt leren van andermans cases, tegen het laagst mogelijke tarief. De training vindt plaats op een externe locatie, ergens in het land of op onze mooie trainingslocatie in Apeldoorn (midden op de Veluwe). Heb je een vraag? Bel ons gerust; we helpen je graag verder. Je kunt je natuurlijk ook gelijk inschrijven.

Tarief

De kosten voor de Training Designing and implementing a Data Science Solution on Azure DP-100 bootcamp bedragen €2.999,00 (excl. €629,79 BTW). Dit betreft het tarief voor deelname aan een klassikale training. Wil je liever een bedrijfstraining of privétraining? Bel ons dan of vraag online een voorstel aan.

Belastingvoordeel voor werkgevers

De wereld om ons heen verandert in hoog tempo: dit komt met name door de snelle ontwikkelingen op het gebied van de informatie-technologie. Wil je in de toekomst in de IT kunnen (blijven) werken, dan is het essentieel om je kennis up-to-date te houden. Met scholing en training vergroot je je kennis én je kansen op de arbeidsmarkt. Voor werkgevers is het belangrijk om over goed opgeleide medewerkers te kunnen beschikken, ook op de langere termijn. ‘Duurzame inzetbaarheid’ en ‘permanente educatie’ staan daarom bij steeds meer bedrijven prominent op de agenda. De overheid stimuleert dit. Daarom kunnen werkgevers een deel van de kosten voor opleiding en training terugkrijgen van de belasting. Per jaar kan dit voordeel oplopen tot € 2.700 per werknemer.

Wil je de door jou gewenste training liever virtueel (online) volgen? Dat kan via onze ‘remote classroom’. Het verschil met een face-to-face-training is dat de trainer de training op afstand voor je verzorgt. Je kunt daarbij kiezen voor het algemene programma (zie hiervoor onze trainingomschrijvingen), maar we kunnen de training ook aanpassen aan je specifieke wensen, behoefte en praktijksituatie. Je volgt je virtuele training in je eentje, met je collega’s of met mensen van andere bedrijven. Wil je weten wat we op dit gebied precies voor je kunnen betekenen? Bel ons gerust, we denken graag met je mee over de mogelijke oplossingen.

Virtuele training: hoe werkt dat?

Bij een virtuele training kun je via een online verbinding op afstand interactief deelnemen aan de training. Dit wordt ook wel ‘remote classroom’ of ‘virtual classroom’ genoemd. Dit werkt net even anders, maar biedt je dezelfde kwaliteit en is net zo effectief als een face-to-face-training.

Dezelfde kwaliteit, net even anders

Uitgangspunt bij een virtuele training is, dat er net zoveel kennis en vaardigheden worden overgedragen als bij een face-to-face-training. Bovendien dient het elk gewenst niveau van interactiviteit te faciliteren. Daarom werken we vanuit Eduvision met diverse systemen (o.a. dat van onze opdrachtgever), die deze doelstelling breed ondersteunen (waaronder Microsoft Teams of Zoom). Als cursist kun je gratis en eenvoudig inloggen, via een app of via het web.

De verschillende systemen bieden o.a. de volgende mogelijkheden:

• De training volgen met meerdere deelnemers, die je afhankelijk van of ze een camera hebben al dan niet kunt zien.
• Als deelnemers een microfoon hebben, kunnen ze ook met de trainer praten. De trainer kan aangeven en technisch faciliteren wie er kan praten. Deelnemers kunnen virtueel aangeven dat ze wat willen zeggen; de trainer kan hen vervolgens het woord geven.
• Deelnemers kunnen meekijken met de trainer en de trainer kan switchen tussen verschillende schermen die hij wil laten zien.
• Als de deelnemer daar toestemming voor geeft, kan de trainer meekijken op het scherm van de deelnemer (of zelfs het scherm overnemen).
• Er is vaak een chatfunctie, waarmee vragen of opmerkingen voor iedereen zichtbaar worden op het scherm.
• Er is soms een opnamefunctie (de trainer bepaalt - rekening houdend met ieders privacy - of die aan- of uitgezet wordt), waardoor je later (een deel van) de training kunt terugkijken.
• Er kan gebruik gemaakt worden van een whiteboard.
• Er kunnen bestanden gedeeld worden.

NB: Het is handig als je als cursist beschikt over een microfoon of camera (het eerste meer dan het tweede), maar het is geen must; ook zonder kun je deelnemen aan de training. Wél is het zo dat met name een microfoon de interactiviteit bewerkstelligt. Mocht je geen camera of microfoon op de computer hebben, dan is het ook mogelijk om tegelijkertijd in te loggen met je telefoon, zodat je én duidelijk (lees: groot) beeld hebt én kunt beschikken over microfoon en/of camera.