Szkolenie DP-100T01 Designing And Implementing A Data Science Solution On Azure z egzaminem
Szkolenie DP-100T01 Designing And Implementing A Data Science Solution On Azure z egzaminem
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Administracja IT i systemy komputerowe
- Sposób dofinansowaniawsparcie dla osób indywidualnychwsparcie dla pracodawców i ich pracowników
- Grupa docelowa usługi
Szkolenie DP-100T01 Designing and Implementing a Data Science Solution on Azure jest zaprojektowany dla osób, które chcą zdobyć umiejętności związane z projektowaniem i wdrażaniem rozwiązań z zakresu nauki danych (data science) w chmurze Microsoft Azure.
Usługa adresowana również dla Uczestników Projektu Kierunek – Rozwój
- Minimalna liczba uczestników3
- Maksymalna liczba uczestników12
- Data zakończenia rekrutacji29-10-2024
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi28
- Podstawa uzyskania wpisu do BURCertyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych
Cel
Cel
Cel edukacyjny
Celem tego szkolenia jest umożliwienie uczestnikom samodzielnego wykorzystywania platformy Azure do projektowania, wdrażania i zarządzania rozwiązaniami z zakresu nauki danych, co może przyczynić się do rozwiązania problemów biznesowych i poprawy efektywności analizy danych w organizacji.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
---|---|---|
Efekty uczenia się Projektuje efektywne strategie pozyskiwania danych dla projektów uczenia maszynowego. | Kryteria weryfikacji Definiuje źródła danych niezbędne do szkolenia modeli.Ocenia jakość i adekwatność danych do celów projektu. Projektuje procesy pozyskiwania i przygotowania danych. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Projektuje i wdraża rozwiązania do szkolenia i wdrażania modeli uczenia maszynowego. | Kryteria weryfikacji Opracowuje plan szkolenia modeli.Konfiguruje środowiska szkoleniowe w Azure Machine Learning. Projektuje procesy wdrażania modeli do środowisk produkcyjnych. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Korzysta z zasobów i narzędzi deweloperskich w usłudze Azure Machine Learning. | Kryteria weryfikacji Identyfikuje zasoby obszaru roboczego Azure Machine Learning.Korzysta z narzędzi deweloperskich do zarządzania obszarem roboczym. Udostępnia i zarządza danymi w Azure Machine Learning. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Konfiguruje i zarządza celami obliczeniowymi oraz środowiskiem w Azure Machine Learning. | Kryteria weryfikacji Konfiguruje cele obliczeniowe.Zarządza środowiskiem szkoleniowym i produkcyjnym. Integruje zewnętrzne narzędzia i zasoby obliczeniowe. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Znajduje optymalne modele klasyfikacji oraz śledzi proces szkolenia za pomocą MLflow. | Kryteria weryfikacji Korzysta z zautomatyzowanego uczenia maszynowego do wyboru najlepszych modeli.Śledzi proces szkolenia modeli w notatnikach Jupyter za pomocą MLflow. Uruchamia skrypty szkoleniowe jako zadania w Azure Machine Learning. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Uruchamia potoki w Azure Machine Learning oraz dostraja hiperparametry modeli. | Kryteria weryfikacji Tworzy i uruchamia potoki szkoleniowe.Stosuje techniki dostrajania hiperparametrów w Azure Machine Learning. Monitoruje i ocenia wyniki potoków szkoleniowych. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Wdraża modele do zarządzanych punktów końcowych online i wsadowych. | Kryteria weryfikacji Konfiguruje i wdraża modele do punktów końcowych online.Konfiguruje i wdraża modele do punktów końcowych wsadowych. Monitoruje i zarządza wdrożonymi modelami. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Używa notatników Jupyter i MLflow do śledzenia oraz analizy procesu uczenia modeli. | Kryteria weryfikacji Tworzy i modyfikuje notatniki Jupyter do śledzenia szkolenia modeli.Integruje MLflow z notatnikami w celu monitorowania metryk szkoleniowych. Analizuje wyniki szkolenia modeli za pomocą MLflow. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Konfiguruje i zarządza zadaniami poleceń w Azure Machine Learning. | Kryteria weryfikacji Konfiguruje zadania poleceń do uruchamiania skryptów szkoleniowych.Śledzi i zarządza wykonywaniem zadań w Azure Machine Learning. Optymalizuje zadania poleceń w celu zwiększenia efektywności szkolenia. | Metoda walidacji Test teoretyczny |
Efekty uczenia się Uruchamia i zarządza potokami szkoleniowymi oraz wdrożeniowymi w Azure Machine Learning. | Kryteria weryfikacji Tworzy potoki szkoleniowe i wdrożeniowe.Zarządza wykonaniem potoków i monitoruje ich efektywność. Rozwiązuje problemy i optymalizuje potoki w Azure Machine Learning. | Metoda walidacji Test teoretyczny |
Kwalifikacje i kompetencje
Kwalifikacje
Inne kwalifikacje
Uznane kwalifikacje
Informacje
- Podstawa prawna dla Podmiotów / kategorii Podmiotówuprawnionych do wydawania dokumentów potwierdzających uzyskanie kwalifikacji, w tym w zawodzie
- Nazwa/Kategoria Podmiotu prowadzącego walidacjęPearson VUE
- Podmiot prowadzący walidację jest zarejestrowany w BURNie
- Nazwa/Kategoria Podmiotu certyfikującegoMicrosoft
- Podmiot certyfikujący jest zarejestrowany w BURNie
Program
Program
Szkolenie DP-100T01 Designing and Implementing a Data Science Solution on Azure jest przygotowanie dla uczestników do projektowania i wdrażania rozwiązań z zakresu nauki danych w chmurze Microsoft Azure. Szkolenie ma na celu dostarczenie uczestnikom niezbędnych umiejętności i wiedzy
Szkolenie składa się z wykładu wzbogaconego o prezentację. W trakcie szkolenia każdy Uczestnik wykonuje indywidualne ćwiczenia - laboratoria, dzięki czemu zyskuje praktyczne umiejętności. W trakcie szkolenia omawiane jest również studium przypadków, w którym Uczestnicy wspólnie wymieniają się doświadczeniami. Nad case-study czuwa autoryzowany Trener, który przekazuje informację na temat przydatnych narzędzi oraz najlepszych praktyk do rozwiązania omawianego zagadnienia.
Aby Uczestnik osiągnął zamierzony cel szkolenia niezbędne jest wykonanie przez niego zadanych laboratoriów. Pomocne będzie również ugruntowanie wiedzy i wykonywanie ćwiczeń po zakończonej usłudze. Każdy Uczestnik dysponuje dostępem do laboratoriów przez okres 180 dni.
Egzamin odbędzie się stacjonarnie, najpóźniej do dnia zakończenia trwania usługi rozwojowej, w jednym z autoryzowanych ośrodków egzaminacyjnym Pearson VUE: SOFTRONIC Poznań lub SOFTRONIC Warszawa. Przed zapisaniem się na szkolenie, Uczestnik jest proszony o kontakt z SOFTRONIC w celu ustalenia możliwego terminu egzaminu.
Który egzamin potwierdza zdobyte umiejętności?
Zdaj 1 egzamin:
- Exam DP-100: Designing and Implementing a Data Science Solution on Azure
Zdobądź certyfikat:
- Microsoft Certified: Azure Data Scientist Associate
Szkolenie trwa 32 godzin zegarowych i jest realizowane w ciągu 4 dni.
W trakcie szkolenia przewidziane są dwie krótkie przerwy "kawowe" oraz przerwa lunchowa.
Program szkolenia:
Projektowanie strategii pozyskiwania danych dla projektów uczenia maszynowego
Projektowanie rozwiązania do szkolenia modeli uczenia maszynowego
Projektowanie rozwiązania do wdrażania modelu
Poznawanie zasobów i zasobów obszaru roboczego usługi Azure Machine Learning
Poznawanie narzędzi deweloperskich do obsługi obszaru roboczego
Udostępnianie danych w usłudze Azure Machine Learning
Praca z celami obliczeniowymi w usłudze Azure Machine Learning
Praca ze środowiskiem w usłudze Azure Machine Learning
Znajdowanie najlepszego modelu klasyfikacji za pomocą zautomatyzowanego uczenia maszynowego
Śledzenie szkolenia modelu w notatnikach Jupyter za pomocą MLflow
Uruchamianie skryptu szkoleniowego jako zadania poleceń w usłudze Azure Machine Learning
Śledzenie uczenia modelu za pomocą usługi MLflow w zadaniach
Uruchamianie potoków w usłudze Azure Machine Learning
Dostrajanie hiperparametrów za pomocą usługi Azure Machine Learning
Wdrażanie modelu do zarządzanego punktu końcowego online
Wdrażanie modelu do punktu końcowego wsadowego
SOFTRONIC Sp. z o. o. zastrzega sobie prawo do zmiany terminu szkolenia lub jego odwołania w przypadku niezebrania się minimalnej liczby Uczestników tj. 3 osób.
Harmonogram
Harmonogram
Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
---|---|---|---|---|---|
Brak wyników. |
Cena
Cena
Cennik
- Rodzaj cenyCena
- Koszt przypadający na 1 uczestnika brutto5 043,00 PLN
- Koszt przypadający na 1 uczestnika netto4 100,00 PLN
- Koszt osobogodziny brutto180,11 PLN
- Koszt osobogodziny netto146,43 PLN
- W tym koszt walidacji brutto553,50 PLN
- W tym koszt walidacji netto450,00 PLN
- W tym koszt certyfikowania brutto0,00 PLN
- W tym koszt certyfikowania netto0,00 PLN
Prowadzący
Prowadzący
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Każdemu Uczestnikowi zostaną przekazane autoryzowane materiały szkoleniowe, które są dostępne na koncie Uczestnika na dedykowanym portalu. Uczestnik uzyskuje również 180-dniowy dostęp do laboratoriów Microsoft, z których korzysta w dowolny sposób i w dowolnym momencie, za pośrednictwem przeglądarki internetowej.
Poza dostępami przekazywanymi Uczestnikowi, w trakcie szkolenia, Trener przedstawia i omawia autoryzowaną prezentację.
Warunki uczestnictwa
Uczestnicy szkolenia powinni znać język Python. Pożądana jest znajomość podstaw dotyczących systemów uczących się.
Informacje dodatkowe
Istnieje możliwość zastosowania zwolnienia z podatku VAT dla szkoleń mających charakter kształcenia zawodowego lub służących przekwalifikowaniu zawodowemu pracowników, których poziom dofinansowania ze środków publicznych wynosi co najmniej 70% (na podstawie § 3 ust. 1 pkt 14 Rozporządzenia Ministra Finansów z dnia 20 grudnia 2013 r. zmieniające rozporządzenie w sprawie zwolnień od podatku od towarów i usług oraz warunków stosowania tych zwolnień (Dz. U. z 2013 r. poz. 1722 ze zm.)
Zawarto umowę z WUP w Toruniu w ramach Projektu Kierunek – Rozwój;
kwalifikacja związana z cyfrową transformacją;
Warunki techniczne
Warunki techniczne
Szkolenie realizowane jest w formule distance learning - szkolenie on-line w czasie rzeczywistym, w którym możesz wziąć udział z każdego miejsca na świecie.
Szkolenie obywa się za pośrednictwem platformy Microsoft Teams, która umożliwia transmisję dwukierunkową, dzięki czemu Uczestnik może zadawać pytania i aktywnie uczestniczyć w dyskusji. Uczestnik, ktory potwierdzi swój udziałw szkoleniu, przed rozpoczęciem szkolenia, drogą mailową, otrzyma link do spotkania wraz z hasłami dostępu.
Wymagania sprzętowe:
- komputer z dostępem do internetu o minimalnej przepustowości 20Mb/s.
- wbudowane lub peryferyjne urządzenia do obsługi audio - słuchawki/glosniki oraz mikrofon.
- zainstalowana przeglądarka internetowa - Microsoft Edge/ Internet Explorer 10+ / Google Chrome 39+ (sugerowana) / Safari 7+
- aplikacja MS Teams może zostać zainstalowana na komputerze lub można z niej korzystać za pośrednictwem przeglądarki internetowej