Microsoft Azure : Data Microsoft Azure Machine Learning, développer et exploiter des algorithmes

Azure Machine Learning est un service de l’offre cloud Microsoft Azure pour la création et le déploiement de modèles d’apprentissage automatique ou Machine Learning à destination des équipes de science des données.

Il permet de créer, tester, gérer, déployer et surveiller ces modèles via une interface no code ou des scripts Python ou R. Un écosystème puissant et complet permet de mener à bien les projets d’apprentissage automatique avec une assistance pour déterminer les algorithmes.

À l'issue de cette formation, le participant sera en mesure de : ​

• Prendre en main l'interface d'Azure Machine Learning

• Choisir parmi plusieurs algorithmes équivalents selon une problématique

• Découvrir les bases des langages R et Python pour augmenter les capacités d'Azure Machine Learning

• Exploiter une expérience au travers d'un Web Service

• Exercice

• Cas pratiques sur des données réalistes et volumineuses

• Data scientist, architectes applicatifs ou développeurs chargés de la préparation et du déploiement de modèles de machine learning

• Connaissances de base en statistiques (centrage, dispersion, corrélation, tests d'hypothèses).

• Des notions de programmation ou d'algorithmique peuvent être utiles.

Module 01 : Prise en main de l'interface Azure Machine Learning

• L'offre Azure. Facturation à l'usage.

• Prise en main de l'interface Machine Learning Studio.

• Créer un dataset. Se connecter à une source de données.

• Construire une expérience de ML.

• Définir un Web Service prédictif.

• La Gallery Cortana Intelligence.

• Travaux pratiques

• Prise en main de l'interface Azure ML. Création d'un dataset. Définition d'un Web Service prédictif.

Module 02 : Créer une expérience de Machine Learning

• Utiliser l'arbre de choix des algorithmes.

• Détecter les valeurs aberrantes.

• Choisir les variables de l'algorithme (features sélection).

• Initialiser le modèle, entraîner le modèle, évaluer le modèle.

• Reformer un modèle prédictif.

• Transformer les variables de l’algorithme (features engineering).

• Limiter les lignes d’un jeu de données.

• Travaux pratiques

• Évaluer des différents algorithmes à l'aide de la courbe ROC.

Module 03 : Savoir paramétrer les grandes familles d'algorithmes

• Algorithmes de clustering (approche non supervisée).

• Algorithmes de régression linéaire.

• Algorithmes de régression logistique ou ordinale.

• Algorithmes de classification (approche supervisée) binaire ou one-versus-all.

• Méthodes ensemblistes (forêt, jungle…).

• Packages R et Python. Le framework Vowpall Wabbit.

• Paramétrage des algorithmes.

• Travaux pratiques

• Paramétrer des familles d'algorithmes avec R/Python.

Module 04 : Traiter d'autres types de données

• Analyser les séries temporelles, détecter les anomalies.

• Analyse de données textuelles avec les packages R.

• Appliquer un algorithme Vowpal Wabbit (Latent Dirichlet Analysis).

• Exploiter les images avec notebooks Jupyter.

• Travaux pratiques

• Traitement des données texte ou image.

Module 05 : Découvrir les nouveaux outils autour d'Azure Machine Learning

• Nouvelles briques Azure pour le ML (Experimentation / Model Management).

• Inspection et préparation des données (transformations par exemple, transformations avancées).

• Mise en œuvre des instances Azure Machine Learning.

• Suivi des exécutions et des métriques d’évaluation.

• Scénarios de déploiement (local/Spark/Docker/AKS).

• Travaux pratiques

• Préparation de données et transformations avancées.

• 1 poste de travail par stagiaire

• Remise d'une documentation pédagogique papier ou numérique pendant la formation

• 50% de théorie, de réflexions et de retours d'expérience sous forme d'un power point

• 50% de pratique sous forme d'ateliers

• Pour toute demande de formation en intra-entreprise, merci de prendre contact directement auprès de formation@expaceo.com

• Evaluation des acquis par une auto-évaluation des stagiaires

• Remise d'une attestation de fin de stage à chaque stagiaire