Intelligence artificielle - Microsoft Azure Machine Learning, développer et exploiter des algorithmes (4-028)
Description
Objectif général de la formation : Former les participants à l’utilisation d’Azure Machine Learning pour développer, entraîner et déployer des modèles d’apprentissage automatique, tout en exploitant les fonctionnalités avancées des langages R et Python. Modalité : Toutes les modalités (présentiel, classe virtuelle et hybride) sont possibles Lieu possible de réalisation : Locaux du bénéficiaire ou locaux d’Ascent Formation, en France métropolitaine et dans les DROM-COM Nombre maximal de participants : 20 Niveau SAME visé : Application (A) Compétences visées : Utiliser efficacement Azure Machine Learning pour développer et déployer des modèles. Comparer et sélectionner les algorithmes les plus adaptés à une problématique donnée. Intégrer les langages R et Python dans les workflows Azure Machine Learning. Créer et exploiter des modèles via des services web pour des cas d’utilisation réels.
Objectifs pédagogiques
- 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.
Public concerné
Prérequis
Déroulé du programme
Jour 1 : Introduction et prise en main d’Azure Machine Learning (6 heures)
- Présentation d’Azure Machine Learning (2 heures)
Vue d’ensemble de la plateforme Azure.
Fonctionnalités principales et cas d’utilisation.
Démonstration : Découverte de l’interface Azure Machine Learning Studio.
- Configuration de l’environnement (2 heures)
Création d’un espace de travail Azure ML.
Gestion des ressources : datasets, compute instances.
Travaux pratiques : Mise en place d’un environnement ML sur Azure.
- Introduction aux workflows ML (2 heures)
Exploration des étapes : collecte, préparation des données, modélisation, déploiement.
Études de cas : Création d’un workflow simple avec un dataset standard.
Jour 2 : Algorithmes et intégration avec Python et R (6 heures)
- Choix des algorithmes (3 heures)
Présentation des algorithmes disponibles sur Azure ML.
Comparaison et sélection d’algorithmes en fonction des problématiques.
Travaux pratiques : Implémentation et entraînement de modèles supervisés.
- Intégration des langages R et Python (3 heures)
Introduction aux scripts R et Python dans Azure ML.
Utilisation des bibliothèques courantes pour augmenter les capacités (pandas, Scikit-learn, ggplot2).
Travaux pratiques : Intégration de scripts personnalisés pour l’entraînement des modèles.
Jour 3 : Déploiement et exploitation via Web Services (6 heures)
- Déploiement des modèles (3 heures)
Création et gestion des endpoints.
Déploiement des modèles en tant que services web.
Travaux pratiques : Mise en production d’un modèle et test via API.
- Exploitation des Web Services (3 heures)
Utilisation des services web pour prédictions en temps réel.
Surveillance des performances des modèles déployés.
Études de cas : Scénarios d’utilisation dans des environnements professionnels.
Informations
Durée
3 jour(s)
18h
Sur demande
Formations similaires
Migration vers le Cloud
Sur demande
Agents IA — Concevoir des systèmes autonomes avec LangChain et LangGraph - Avancé
Sur demande
AI Act européen — Comprendre vos obligations et vous mettre en conformité - Niveau débutant
Sur demande
Analyse bayésienne (4-107)
Sur demande