介紹機器學習基本概念 

• 學習機器學習的輸入和輸出 
• Optimise a model using cost function 

探索數據分析和真實世界的資料 

• 使用Numpy 和 Pandas 探索資料 
• 使用Matplotlib視覺化資料 
• 檢查真實世界的資料 

學習建立和定型迴歸模型  

• 嘗試不同的迴歸模型  
• 使用超參數改善模型 
• 最佳化和儲存模型

學習建立和定型迴歸模型 

• 定型和評估分類模型 
• 使用替代計量執行分類 
• 定型和評估多類別分類模型 

學習建立和定型迴歸模型 

• 定型和評估叢集模型 
• 評估不同類型的叢集 
• 定型和評估進階叢集模型 

學習建立和定型迴歸模型 

• 學習深度神經網路概念 
• 定型深度神經網路 
• 體驗轉移學習 

通過自動化機器學習和設計器學習機器學習 

• 自動化機器學習和設計器簡介 
• 使用設計器定型，評估和部署迴歸模型 
• 使用設計器定型，評估和部署分類模型 
• 使用設計器定型，評估和部署叢集模型 

AML: Azure Machine Learning簡介 

• 體驗Azure Machine Learning SDK 
• 使用AML定型模型  
• 用AML處理資料 
• 使用AML中的計算服務 

AML: Pipeline training 

• 使用AML管綫協調機器學習 
• 使用AML部署即時機器學習服務 
• 使用AML部署批次推斷管綫

AML: 協調模型 

• 使用AML微調超參數 
• 使用AML自動選取機器學習模型 
• 使用AML説明機器學習模型 
• 使用AML偵測和減緩模型的不公平性

AML: 監視和保護模型 

• 使用AML監視模型 
• 使用AML監視資料漂移 
• 使用AML探索私隱概念 
• 探索差分隱私 

AD: 關於Azure Databricks(AD)的介紹和準備 

• 熟習Azure Databricks 
• 學習Azuer Databricks Notebooks

AD: 使用Spark和AD整理資料 

• 學習Spark基本構造 
• 使用AD讀取或填寫數據                                
• 學習DataFrames並建立自定義函式 

AD: 使用AD中的其他函式除了資料 

• 建立和探訪Delta Lake 
• 使用AD和Spark進行機器學習 
• 使用AD中的MLflow 

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

• 在Azure Databricks中使用MLflow 
• 使用超參數微調執行模型選取 
• 使用Horovod進行分散式定型的深度學習

• 120mins – 模擬考試 
• 240mins – 解卷