学習内容
|
1. イントロダクション
- Azure Machine Learningの概要
- 機械学習モデル開発のフロー人工知能、機械学習、ディープラーニングの違い
2.Azure Machine Learning Designerの基礎
- 分類モデル構築のフローの作成
- 学習済みモデルのデプロイ
- 演習:回帰モデル構築のフローの作成
3. Azure Machine Learning Designerの応用
- 手持ちデータの読み込みとデータ操作
- ハイパーパラメータの調整
- 分類の評価指標
4. 分類のアルゴリズムの実装 (scikit learn)
- データの前処理
- モデルの学習
- モデルの評価
5. Azure Machine Learning SDKの基礎
- Experimentの基本操作
- 学習結果をExperimentに記録
6. Azure Machine Learningで学習の高速化
- データセットの取り扱い
- 並列分散処理で学習の高速化
7. Azure Machine Learningで自動ハイパーパラメータ調整
- ハイパーパラメータ調整の設定
- 早期終了の設定
- 学習済みモデルをWorkspaceに登録
8. Azure Machine Learningで学習の自動化
- パイプラインの作成
- パイプラインのデプロイとスケジューリング
9. 学習済みモデルのデプロイ
- リアルタイム推論
- バッチ推論
10. データセットの監視
- データドリフトの概要
- データドリフトモニターの活用
11. 総括
- 試験のポイント
- 振り返り
|