DP-604 Implement a Data Science and Machine Learning solution for AI with Microsoft Fabric (DP-604) Active Learning (English)

Volg de Implement a Data Science and Machine Learning solution for AI with Microsoft Fabric training en leer Data Schience en Machine Learning implementeren met Microsoft Fabric.

Tijdens deze training leer je onder andere:

• Hoe Microsoft Fabric de dataverwerking stroomlijnt en machine learning mogelijk maakt in een cloudomgeving
• De volledige levenscyclus van een data science-project implementeren
• Gebruik maken van ingebouwde machine learning-functionaliteiten in Microsoft Fabric

Deze training bevat Engelstalig lesmateriaal en wordt gegeven door een Nederlandssprekende docent (indien gewenst ook mogelijk in het Engels).

Tijdens deze training leer je hoe je Microsoft Fabric kunt gebruiken om data science- en machine learning-oplossingen effectief te implementeren. Je krijgt een diepgaand begrip van hoe je data science-workflows kunt opzetten.Dit omvat het analyseren en voorbereiden van data tot het toepassen van machine learning-modellen. Met behulp van Microsoft Fabric leer je modellen te bouwen, te evalueren en te optimaliseren. Daarnaast ontdek je hoe je machine learning-oplossingen kunt integreren in bedrijfsprocessen om de besluitvorming te verbeteren. Je verwerft kennis over het beheren, opschalen en monitoren van modellen en leert hoe je waardevolle inzichten uit data kunt omzetten in actiegerichte strategieën die bedrijfsresultaten ondersteunen.

Lesmethode

Bij Master IT train je met onze unieke lesmethode Active Learning, hiermee leer je aantoonbaar effectiever!

Wij zjn er namelijk van overtuigd dat je slimmer en met meer plezier leert als je actief met je lesstof omgaat. Onze klassen zijn gevuld met maximaal 8 cursisten. Hierbij luister je niet passief naar een trainer, maar ga je interactief en 1-op-1 met de trainer aan de slag om ervoor te zorgen dat jouw leerdoelen behaald worden. De theorie maak je je zoveel mogelijk zelf eigen, de nadruk van de begeleiding ligt op het begrijpen en toepassen van die theorie in de praktijk. Zo leer je alleen datgene wat je echt nodig hebt.

• Je bepaalt zelf je leertempo.
• De trainer coacht je bij het definiëren van jouw leertraject.
• Je onthoudt en begrijpt je nieuwe kennis beter.
• Alles draait om toepassing van de stof in jouw praktijk.

Om alle beschikbare trainingsdata in te zien, bekijk dan onze eigen website

Doelgroep

Deze training is speciaal ontworpen voor professionals die werkzaam zijn in de datawetenschap en machine learning, zoals data-analisten, datawetenschappers en data-engineers.

Daarnaast is de training geschikt voor IT-professionals die hun vaardigheden willen uitbreiden op het gebied van datawetenschap en AI, en voor zakelijke besluitvormers die inzicht willen krijgen in de implementatie van data science- en machine learning-oplossingen binnen hun organisatie.

Basiskennis van data-analyse en een goed begrip van IT-infrastructuur zijn hierbij een voordeel, maar geen vereiste.

Deze training is speciaal ontworpen voor professionals die werkzaam zijn in de datawetenschap en machine learning, zoals data-analisten, datawetenschappers en data-engineers.

Daarnaast is de training geschikt voor IT-professionals die hun vaardigheden willen uitbreiden op het gebied van datawetenschap en AI, en voor zakelijke besluitvormers die inzicht willen krijgen in de implementatie van data science- en machine learning-oplossingen binnen hun organisatie.

Basiskennis van data-analyse en een goed begrip van IT-infrastructuur zijn hierbij een voordeel, maar geen vereiste.

Voorkennis

De training is geschikt voor een breed publiek, maar toch wordt enige voorkennis sterk aanbevolen om het meeste uit de training te halen.

Denk hierbij aan:

• Basisbegrip van datamodellering en -analyse.
• Ervaring met Python of een andere programmeertaal gericht op data-analyse.
• Kennis van machine learning-concepten zoals supervised en unsupervised learning.

Ervaring met cloudomgevingen en databeheer is een pluspunt, maar niet verplicht.

De training is geschikt voor een breed publiek, maar toch wordt enige voorkennis sterk aanbevolen om het meeste uit de training te halen.

Denk hierbij aan:

• Basisbegrip van datamodellering en -analyse.
• Ervaring met Python of een andere programmeertaal gericht op data-analyse.
• Kennis van machine learning-concepten zoals supervised en unsupervised learning.

Ervaring met cloudomgevingen en databeheer is een pluspunt, maar niet verplicht.

Onderdelen

Module 1: Getting Started with Data Science in Microsoft FabricUnderstanding the data science processExplore and process Data with Microsoft FabricTrain and evaluate models with Microsoft FabricModule 2: Explore data for Data Science with Notebooks in Microsoft FabricExplore NotebooksLoading data for explorationUnderstanding data distributionChecking for missing data in NotebooksApplying advanced data exploration techniquesVisualize graphs in NotebooksModule 3:Pre-process data with Data Wrangler in Microsoft FabricData Wrangler insightsPerform data explorationProcess missing dataTransforming data with operatorsModule 4: Train and track Machine Learning models with MLflows in Microsoft FabricLearn more about training machine learning modelsTrain and track models with MLflows and experimentsManage models in Microsoft FabricModule 5: Generate batch predictions using a deployed model in Microsoft FabricAdjusting the model behavior for batch scoringPrepare data before generating predictionsGenerate and store predictions in a Delta table

Module 1: Getting Started with Data Science in Microsoft FabricUnderstanding the data science processExplore and process Data with Microsoft FabricTrain and evaluate models with Microsoft FabricModule 2: Explore data for Data Science with Notebooks in Microsoft FabricExplore NotebooksLoading data for explorationUnderstanding data distributionChecking for missing data in NotebooksApplying advanced data exploration techniquesVisualize graphs in NotebooksModule 3:Pre-process data with Data Wrangler in Microsoft FabricData Wrangler insightsPerform data explorationProcess missing dataTransforming data with operatorsModule 4: Train and track Machine Learning models with MLflows in Microsoft FabricLearn more about training machine learning modelsTrain and track models with MLflows and experimentsManage models in Microsoft FabricModule 5: Generate batch predictions using a deployed model in Microsoft FabricAdjusting the model behavior for batch scoringPrepare data before generating predictionsGenerate and store predictions in a Delta table