Курс "20774 Облачная аналитика больших данных (Big Data) при помощи машинного обучения в Azure (20774 Perform Cloud Data Science with Azure Machine Learning)"

Код: 20774
Специализация: Microsoft SQL Server 2016

Продолжительность - 5 дней

Курс «20774 Облачная аналитика больших данных (Big Data) при помощи машинного обучения в Azure» ориентирован на специалистов, желающих обрабатывать большие объёмы данных с помощью таких современных средств автоматизации, как машинное обучение. Также курс будет интересен специалистам, изучающим HDInsight и R.

На курсе слушатели научатся анализировать большие данные и визуализировать результаты при помощи машинного обучения в Azure. Также в курсе рассмотрены такие инструменты анализа больших данных как HDInsight и R.

Рекомендуемый уровень подготовки:

Успешное окончание курсов 20773 Анализ больших данных (Big Data) с помощью Microsoft R и 20767 Разработка и эксплуатация хранилищ данных на SQL Server 2016

Прослушав данный курс, Вы научитесь:

• объяснять принципы работы механизмов машинного обучения, используемые алгоритмы и языки;
• описывать возможности машинного обучения в Azure и перечислять основные функции Azure Machine Learning Studio;
• загружать и исследовать различные типы данных для машинного обучения Azure;
• использовать методы подготовки наборов данных для использования с машинным обучением Azure;
• использовать регрессионные алгоритмы и алгоритмы работы нейронных сетей в рамках машинного обучения Azure;
• использовать алгоритмы классификации и кластеризации в рамках машинного обучения Azure;
• использовать преимущества R и Python при работе с машинным обучением Azure;
• использовать гипер-параметры, множество алгоритмов и моделей для решения аналитических задач;
• предоставлять пользователям доступ к результатам отработки моделей машинного обучения Azure;
• использовать подключения к когнитивным службам (Cognitive Services API) для обработки текста и изображений, создания рекомендаций и описание использования нейронных сетей в рамках машинного обучения Azure;
• использовать HDInsight в рамках машинного обучения Azure;
• использовать язык R и сервер R в рамках машинного обучения Azure;
• объяснять, как развернуть и настроить SQL Server для поддержки служб R.

После изучения данного курса рекомендуем прослушать курс:

• 20775 Обработка данных с Microsoft HDInsight

Программа курса

Модуль 1. Введение в машинное обучение

• Что такое машинное обучение?
• Введение в алгоритмы машинного обучения
• Введение в языки машинного обучения
• Лабораторная работа: Введение в машинное обучение

Модуль 2. Введение в машинное обучение Azure

• Обзор машинного обучения Azure
• Введение в Azure Machine Learning Studio
• Разработка и размещение приложений машинного обучения Azure
• Лабораторная работа: Введение в машинное обучение Azure

Модуль 3. Работа с наборами данных

• Классификация данных
• Импорт данных для машинного обучения Azure
• Исследование и преобразование данных в машинном обучении Azure
• Лабораторная работа: Визуализация данных

Модуль 4. Подготовка данных для использования машинного обучения Azure

• Предварительная обработка данных
• Обработки неполных данных
• Лабораторная работа: Подготовка данных для использования машинного обучения Azure

Модуль 5. Использование средств конструирования и выборки

• Использование компонент конструирования
• Использование компонент выбора
• Лабораторная работа: Использование rxExec и revoPemaR для распараллеливания операций

Модуль 6. Построение моделей машинного обучения Azure

• Процессы машинного обучения Azure
• Оценка и применение моделей
• Применение регрессионных алгоритмов
• Использование нейронных сетей
• Лабораторная работа: Построение моделей машинного обучения Azure

Модуль 7. Классификация и кластеризация в моделях машинного обучения Azure

• Алгоритмы классификации
• Методы кластеризации
• Выбор алгоритмов
• Лабораторная работа: Классификация и кластеризация в моделях машинного обучения Azure

Модуль 8. Использование R и Python в машинном обучении Azure

• Использование R
• Использование Python
• Использование блокнотов Jupyter
• Поддержка R и Python
• Лабораторная работа: Использование R и Python в машинном обучении Azure

Модуль 9. Инициализация и оптимизация моделей машинного обучения

• Использование гипер-параметров
• Использование нескольких алгоритмов и моделей
• Сравнение и оценка ансамбля
• Лабораторная работа: Инициализация и оптимизация моделей машинного обучения

Модуль 10. Использование моделей машинного обучения Azure

• Развертывание и публикации моделей
• Экспорт данных
• Лабораторная работа: Использование моделей машинного обучения Azure

Модуль 11. Использование когнитивных служб

• Обзор когнитивных служб
• Обработка текста
• Обработка изображений
• Создание рекомендаций
• Лабораторная работа: Использование когнитивных служб

Модуль 12. Использование машинного обучения с HDInsight

• Введение в HDInsight
• Типы кластеров HDInsight
• HDInsight и модели машинного обучения
• Лабораторная работа: Использование машинного обучения с HDInsight

Модуль 13. Использование R-сервисов машинного обучения

• Обзор R и сервера R
• Использование сервера R в моделях машинного обучения
• Использование R с SQL Server
• Лабораторная работа: Использование R-сервисов машинного обучения

В конце обучения на курсе проводится итоговая аттестация в виде теста или на основании оценок за практические работы, выполненных в процессе обучения

Microsoft SQL Server 2016 — мощная и безопасная система управления базами данных, готовая к работе в самых важных и бизнес-приложениях, высокого уровня, позволяющая сокращать финансовые затраты на сервис систем и производство новых приложений.

SQL Server 2016 обеспечивает рекордную производительность благодаря новым технологиям работы с памятью, что поможет заказчикам ускорить свой бизнес и реализовать новые сценарии работы.

Кроме того, SQL Server 2016 позволяет использовать новые гибридные облачные решения. Это позволит воспользоваться новыми преимуществами облачных вычислений. Например в таких сценариях как резервное копирование в облако и аварийное восстановление локально установленного SQL Server.

SQL Server 2016 предлагает лучшие возможности в отрасли бизнес-аналитики благодаря интеграции с такими привычными инструментами, как Excel и Power BI для Office 365.

Основные нововведения включают:

• Поддержка in-memory OLTP (Hekaton). SQL Server 2016 обладает возможностью размещения таблиц и хранимых процедур в оперативной памяти, что позволит добиться существенного выигрыша в производительности транзакционных приложений.
• Обновляемые колоночные индексы. Колоночные индексы используются, в основном, в аналитических приложениях. Они позволяют значительно ускорить выполнение запросов по схемам данных, характерных для OLAP (звезда, снежинка). В версии 2016 это ограничение снято, и колоночные индексы получат возможность обновляться при внесении изменений в данные, как традиционные индексы.
• Новый тип управляемого ресурса в Resource Governor. Регулятор ресурсов используется для разделения вычислительных мощностей компьютера между различными приложениями, обращающимися к SQL Server, что дает возможность приоритезировать нагрузку, а также гарантирует, что приложение не выйдет за пределы назначенных ему ресурсов, забирая на себя все, что выделено серверу баз данных. Это позволяет обеспечить предсказуемую работоспособность. В предыдущих версиях к ресурсам относились память и процессорное время, ввод-вывод.
• Улучшенная отказоустойчивость. Группа высокой доступности AlwaysOn теперь включает 8 вторичных реплик (против 4-х в предыдущей версии).
• Интеграция с Облаком. Возможность размещать в Windows Azure файлы БД большого размера для on-premise SQL Server, а также выполнять в Windows Azure резервное копирование, в том числе с новыми возможностями шифрования.