特記事項

本コースは、オンラインで開催している、ハンズオン付きのコースです。

下記 URL より PDF ファイルをダウンロードし、事前に演習環境に接続可能なことをご確認の上、コースをお申込みください。

※ お申込みいただいた時点で、下記の環境確認が完了したものと判断させていただきます。

■ MSCDP100 の事前確認 PDF ファイル

https://jinzai.edifist.co.jp/download/textbook/MSCDP100/pre/DP_check.pdf

Microsoft 社のポリシー変更により、本演習で使用する環境において、多要素認証を課すとの通知がありました。

つきましては、多要素認証を求められた場合に備えて、下記のデバイスをご準備いただき、下記 URL より PDF ファイルをダウンロードし、ご設定いただきますようお願いいたします。

■ Microsoft Authenticator アプリをインストール可能なスマートフォン

（Microsoft Authenticator というモバイル アプリを使用します、Wi-Fi 接続環境にて、事前にインストールすることを推奨いたします）

■ 多要素認証設定用 PDF ファイル　

https://jinzai.edifist.co.jp/download/textbook/authenticator/MFA-App-Config.pdf

コース概要

「Azure Data Scientist Associate」を目指す、データ サイエンティスト向けのコースです。

データ サイエンスをサポートする Azure サービスの概要から始まり、Azure の最高のデータ サイエンス サービスである Azure Machine Learning サービスを使用して、データ サイエンス パイプラインを自動化することに焦点を当てて、ハンズオン形式で学習します。

本コースで、以下を学習します :

・ Designer を使用した機械学習

・ 実験とモデルのトレーニングの実行

・ データの操作

・ コンピューティング コンテキスト

・ パイプラインを使用した操作のオーケストレーション

・ モデルのデプロイと使用

・ 最適なモデルのトレーニング

・ モデルの解釈

・ モデルの監視

※ 演習環境に接続できることを、事前に確認する必要があります。

必ず、このページの【特記事項】をご確認ください。

到達目標

・ Azure Machine Learning Designer を用いてノンコーディングで機械学習モデルのトレーニング、デプロイを実行できる

・ Azure Machine Learning で機械学習モデルのトレーニング、デプロイを実行できる

・ Azure Machine Learning で並列分散処理を利用し、機械学習モデルのトレーニングの高速化ができる

・ Azure Machine Learning でハイパーパラメータのチューニングを行い、最適なモデルのトレーニングを行うことができる

・ Azure Machine Learning を使用して機械学習モデルを管理、監視することができる

トレーナーからの一言

以下のページでは、DP-100を含む関連コースの学習範囲を Azure Data Services ファミリの参照アーキテクチャに照らし合わせてわかりやすく説明しています。

DP-100 コースの学習範囲を、視覚的に把握していただけます。

https://www.edifist.co.jp/lp/DBanalysis-learning-path/index.aspx

前提条件

・ Azure の基礎知識

・ データの準備、モデルのトレーニング、競合モデルの評価による最適なモデルの選択方法など、データサイエンスの理解

・ Python プログラミング言語でのプログラミング方法、および Python ライブラリ: pandas、scikit-learn、matplotlib、seaborn の使用方法

対象者

・ データ サイエンティストを目指す人

・ 機械学習モデルのトレーニングと展開において重要な責任を持つ人

対象試験

DP-100: Designing and Implementing a Data Science Solution on Azure

コース内容

1. Azure Machine Learning の概要

2. Designer を使用した「コードを使用しない」機械学習

3. 実験とモデルのトレーニングの実行

4. データの操作

5. コンピューティング コンテキスト

6. パイプラインを使用した操作のオーケストレーション

7. モデルのデプロイと使用

8. 最適なモデルのトレーニング

9. モデルの解釈

10. モデルの監視