介绍机器学习基本概念

• 学习机器学习的输入和输出
• 使用代价函数优化模型

探索数据分析和真实世界的资料

• 使用Numpy 和 Pandas 探索资料
• 使用Matplotlib视觉化资料
• 检查真实世界的资料

学习建立和定型回归模型

• 尝试不同的回归模型
• 使用超参数改善模型
• 最佳化和储存模型

学习建立和定型回归模型

• 定型和评估分类模型
• 使用替代计量执行分类
• 定型和评估多类别分类模型

学习建立和定型回归模型

• 定型和评估丛集模型
• 评估不同类型的丛集
• 定型和评估进阶丛集模型

学习建立和定型回归模型

• 学习深度神经网路概念
• 定型深度神经网路
• 体验转移学习

通过自动化机器学习和设计器学习机器学习

• 自动化机器学习和设计器简介
• 使用设计器定型，评估和部署回归模型
• 使用设计器定型，评估和部署分类模型
• 使用设计器定型，评估和部署丛集模型

AML: Azure Machine Learning简介

• 体验Azure Machine Learning SDK
• 使用AML定型模型
• 用AML处理资料
• 使用AML中的计算服务

AML: Pipeline training

• 使用AML管线协调机器学习
• 使用AML部署即时机器学习服务
• 使用AML部署批次推断管线

AML: 协调模型

• 使用AML微调超参数
• 使用AML自动选取机器学习模型
• 使用AML说明机器学习模型
• 使用AML侦测和减缓模型的不公平性

AML: 监视和保护模型

• 使用AML监视模型
• 使用AML监视资料漂移
• 使用AML探索私隐概念
• 探索差分隐私

AD: 关于Azure Databricks(AD)的介绍和准备

• 熟习Azure Databricks
• 学习Azuer Databricks Notebooks

AD: 使用Spark和AD整理资料

• 学习Spark基本构造
• 使用AD读取或填写数据
• 学习DataFrames并建立自定义函式

AD: 使用AD中的其他函式除了资料

• 建立和探访Delta Lake
• 使用AD和Spark进行机器学习
• 使用AD中的MLflow

AD: 使用Azure Machine Learning (AML) 部署模型服务

• 在Azure Databricks中使用MLflow
• 使用超参数微调执行模型选取
• 使用Horovod进行分散式定型的深度学习

• 120mins – 模拟考试
  240mins – 解卷