Açıklama
Machine Learning (Makine Öğrenmesi) işlem hattı, bir makine öğrenmesi modelini üretmek için gerekli iş akışını kodlamak ve otomatikleştirmek için bir yoldur.
Makine öğrenmesi işlem hatları, veri çıkarma ve ön işlemeden model eğitimine ve dağıtımına kadar her şeyi yapan birden çok ardışık adımdan oluşur.
Azure Machine Learning işlem hattı, eksiksiz bir makine öğrenmesi görevinin bağımsız olarak yürütülebilir bir iş akışıdır.
Azure Machine Learning işlem hattı, makine öğrenmesi modeli oluşturmanın en iyi yöntemlerini standartlaştırmaya yardımcı olur, ekibin büyük ölçekte yürütmesini sağlar ve model oluşturma verimliliğini artırır.
Makine öğrenmesi işlem hattının temeli, eksiksiz bir makine öğrenmesi görevini çok adımlı bir iş akışına bölmektir. Her adım, tek tek geliştirilebilen, iyileştirilebilen, yapılandırılabilen ve otomatikleştirilen yönetilebilir bir bileşendir. Adımlar iyi tanımlanmış arabirimler aracılığıyla bağlanır. Azure Machine Learning işlem hattı hizmeti, işlem hattı adımları arasındaki tüm bağımlılıkları otomatik olarak düzenler.
Geleceğin ihtiyaçlarına cevap verebileceğiniz, verileri analiz etmek için strateji geliştirme; verileri analiz için hazırlama; verileri keşfetme, görselleştirme; Python programlama dilini kullanarak verilerle birlikte modeller oluşturma, uygulama ve yazılımlara dağıtarak işlemenize imkan sağlayacak bir programdır.
Bu eğitim, proje tabanlı bir öğrenme ortamında gerçek bir iş problemini çözmek için makine öğrenimi (ML) pipeline ile nasıl kullanılacağını araştırır.
Katılımcılar, pipeline’nın her aşamasını eğitmenden öğrenecek ve ardından bu bilgiyi iş sorunlarını çözebilen bir projeyi tamamlamak için uygulayabilecek seviyeye gelecektir.
Eğitimin sonunda tüm katılımcılar seçtikleri iş problemini çözmek için Amazon SageMaker’ı kullanarak bir makine öğrenimi modelini başarıyla oluşturabilecek duruma erişecektir.
Belirli bir iş sorunu için uygun makine öğrenimi yaklaşımını seçmeyi, Belirli bir iş sorununu çözmek için makine öğrenimi düzenini kullanmayı, Amazon SageMaker’da bir makine öğrenimi modelini düzenlemeyi, değerlendirmeyi, dağıtımını ve ayarlamayı, AWS’de ölçeklenebilir, maliyeti optimize edilmiş ve güvenli makine öğrenimi işlem hatları tasarlamaya yönelik en iyi uygulamalardan bazılarını açıklamayı bu eğitimi tamamlandıktan sonra makine öğrenimini gerçek hayattaki bir iş sorununa uygulamayı öğreneceksiniz.
Eğitim Hakkında
- Modül 1: Makine Öğrenimine ve ML Ardışık Düzenine Giriş
Kullanım örnekleri, makine öğrenimi türleri ve temel kavramlar dahil olmak üzere makine öğrenimine genel bakış
Makine öğrenimi işlem hattına genel bakış
Örnek projelere giriş ve yaklaşım
- Modül 2: Amazon SageMaker’a Giriş
Amazon SageMaker’a Giriş
Amazon SageMaker ve Jupyter not defterleri
- Modül 3: Problem Formülasyonu
Sorun formülasyonuna genel bakış ve makine öğreniminin doğru çözüm olup olmadığına karar verme
Bir iş problemini bir makine öğrenimi problemine dönüştürme
Amazon SageMaker Ground Truth
Amazon SageMaker Ground Truth
Problem Formülasyon Alıştırması ve Tekrarı
Problem Formülasyonu için proje çalışması
- Modül 4: Ön İşleme
Veri toplama ve entegrasyonuna genel bakış ve veri ön işleme ve görselleştirme teknikleri
Veri Ön İşleme
- Modül 5: Model Eğitimi
Doğru algoritmayı seçmek
Verilerinizi eğitim için biçimlendirme ve bölme
Modelinizi geliştirmek için kayıp fonksiyonları ve gradyan inişi
Amazon SageMaker’da bir eğitim işi oluşturma
- Modül 6: Model Eğitimi
Sınıflandırma modelleri nasıl değerlendirilir?
Regresyon modelleri nasıl değerlendirilir?
Uygulama modeli eğitimi ve değerlendirmesi
Model Eğitimi ve Değerlendirme
- Modül 7: Özellik Mühendisliği ve Model Ayarlama
Özellik çıkarma, seçme, oluşturma ve dönüştürme
Hiperparametre ayarı
SageMaker hiperparametre optimizasyonu
Özellik Mühendisliği
- Modül 8: Modül Dağıtımı
Amazon SageMaker’da model dağıtma, çıkarım yapma ve izleme
Uç makine öğrenimi dağıtma
Eğitimi Kimler Almalı?
- Geliştiriciler
- Çözüm Mimarları
- Veri Mühendisleri
- Makine Öğrenmesi kavramlarının AWS ile uygulamalarını öğrenmek isteyen, Yapay Zeka ve Makine Öğrenmesi konusuna ilgi duyan herkes katılabilir.
Gereksinimler
Bu eğitim için gerekli görülen aşağıdaki ön koşullara sahip olmalarını öneririz:
- Python programlama dili hakkında temel bilgiler
- AWS Bulut altyapısına ilişkin temel bilgiler
- Bir Jupyter not defteri ortamında çalışmaya ilişkin temel bilgiler
Bu eğitimi kurumsal olarak planlayın!
Bu eğitim kurumunuza özel farklı sürelerde ve içerikte planlanabilir. Eğitim hedeflerini gerçekleştirmek için detaylı zengin içerik ve planlama için bizimle iletişime geçiniz.