Looking for Global training? Go to https://firebrand.training/en or stay on the current site (Deutschland)
In dieser intensiven MCSA: Machine Learning Schulung erlangen Sie die Kenntnisse zur Operationalisierung von Microsoft Azure Machine Learning und Big Data mit R Server und SQL R Services. Sie erlernen die Verarbeitung und Analyse großer Datenmengen mit R sowie die Nutzung von Azure Cloud Services zum Aufbau und Einsatz intelligenter Lösungen.
Ein erfahrener Microsoft Certified Trainer (MCT) leitet den Kurs. Sie lernen mithilfe von Firebrands einzigartiger Lecture | Lab | Review Methode, die Ihnen hilft, neue Kenntnisse schneller zu erlangen und zu behalten. Sie entwickeln Praxisfähigkeiten, die Sie in Real-World Szenarien anwenden können, und werden mit Microsoft R Server, SQL R Services, Azure Machine Learning, Cognitive Services und Bot Framework Technologien vertraut.
Sie behandeln eine Reihe an Big Data, Microsoft R und Cloud Data Science Themen, einschließlich:
Im MCSA Machine Learning Kurs werden Sie auf die Prüfungen 70-773: Analyzing Big Data with Microsoft R und 70-774: Perform Cloud Data Science with Azure Machine Learning vorbereitet und legen diese vor Ort während des Kurses ab.
Die MCSA Machine Learning Zertifizierung eignet sich vor allem für diejenigen, die ihre Kenntnisse mit R und Azure Machine Learning belegen möchten, insbesondere in Positionen im Bereich Data Science oder als Data Analyst. Die MCSA Zertifizierung dient außerdem als erster Schritt zum Data Management and Analytics Microsoft Certified Solutions Expert (MCSE).
Explain how Microsoft R Server and Microsoft R Client work.
Lessons
Lab : Exploring Microsoft R Server and Microsoft R Client
After completing this module, you’ll be able to:
At the end of this module the student will be able to use R Client with R Server to explore big data held in different data stores.
Lessons
Lab : Exploring Big Data
After completing this module, you’ll be able to:
Explain how to visualize data by using graphs and plots.
Lessons
Lab : Visualizing data
After completing this module, you’ll be able to:
Explain how to transform and clean big data sets.
Lessons
Lab : Processing big data
After completing this module, you’ll be able to:
Explain how to implement options for splitting analysis jobs into parallel tasks.
Lessons
Lab : Using rxExec and RevoPemaR to parallelize operations
After completing this module, you’ll be able to:
Explain how to build and evaluate regression models generated from big data
Lessons
Lab : Creating a linear regression model
After completing this module, you’ll be able to:
Explain how to create and score partitioning models generated from big data.
Lessons
Lab : Creating and evaluating partitioning models
After completing this module, you’ll be able to:
Explain how to transform and clean big data sets.
Lessons
Lab : Processing big data in SQL Server and Hadoop
After completing this module, you’ll be able to:
This module introduces machine learning and discussed how algorithms and languages are used.
Lessons
Lab : Introduction to machine Learning
After completing this module, you’ll be able to:
Describe the purpose of Azure Machine Learning, and list the main features of Azure Machine Learning Studio.
Lessons
Lab : Introduction to Azure machine learning
After completing this module, you’ll be able to:
At the end of this module the student will be able to upload and explore various types of data in Azure machine learning.
Lessons
Lab : Visualizing Data
After completing this module, you’ll be able to:
This module provides techniques to prepare datasets for use with Azure machine learning.
Lessons
Lab : Preparing data for use with Azure machine learning
After completing this module, you’ll be able to:
This module describes how to explore and use feature engineering and selection techniques on datasets that are to be used with Azure machine learning.
Lessons
Lab : Using feature engineering and selection
After completing this module, you’ll be able to:
This module describes how to use regression algorithms and neural networks with Azure machine learning.
Lessons
Lab : Building Azure machine learning models
After completing this module, you’ll be able to:
This module describes how to use classification and clustering algorithms with Azure machine learning.
Lessons
Lab : Using classification and clustering with Azure machine learning models
After completing this module, you’ll be able to:
This module describes how to use R and Python with azure machine learning and choose when to use a particular language.
Lessons
Lab : Using R and Python with Azure machine learning
After completing this module, you’ll be able to:
This module describes how to use hyper-parameters and multiple algorithms and models, and be able to score and evaluate models.
Lessons
Lab : Initializing and optimizing machine learning models
After completing this module, you’ll be able to:
Module 10: Using Azure Machine Learning Models
This module explores how to provide end users with Azure machine learning services, and how to share data generated from Azure machine learning models.
Lessons
Lab : Using Azure machine learning models
After completing this module, you’ll be able to:
Module 11: Using Cognitive Services
This module introduces the cognitive services APIs for text and image processing to create a recommendation application, and describes the use of neural networks with Azure machine learning.
Lessons
Lab : Using Cognitive Services
After completing this module, you’ll be able to:
This module describes how use HDInsight with Azure machine learning.
Lessons
Lab : Machine Learning with HDInsight
After completing this module, you’ll be able to:
This module describes how to use R and R server with Azure machine learning, and explain how to deploy and configure SQL Server and support R services.
Lessons
Lab : Using R services with machine learning
After completing this module, you’ll be able to:
Sie legen folgende Prüfungen im Firebrand Trainingscenter ab, abgedeckt durch unsere Leistungsgarantie.
Prüfung 70-773: Analyzing Big Data with Microsoft R
Technologie: Microsoft R Server, SQL R Services
Sprache: Englisch
Getestete Kenntnisse:
Prüfung 70-774: Perform Cloud Data Science with Azure Machine Learning
Technologie: Azure Machine Learning, Bot Framework, Cognitive Services
Sprache: Englisch
Getestete Kenntnisse:
Vor der Teilnahme am Kurs werden folgende Vorkenntnisse empfohlen:
Sind Sie sich unsicher, ob Sie die Voraussetzungen erfüllen? Wir besprechen gerne mit Ihnen Ihren technischen Hintergrund, Erfahrung und Qualifikation, um herauszufinden, ob dieser Intensivkurs der richtige für Sie ist.
Bereits 134561 Kursteilnehmer haben seit 2001 erfolgreich einen Firebrand-Kurs absolviert. Unsere aktuellen Kundenbefragungen ergeben: Bei 95.43% unserer Teilnehmer wurde die Erwartungshaltung durch Firebrand übertroffen!
"Statt Folien wurde sehr viel live in der Azure Umgebung präsentiert und erklärt. Es wurde ingesesamt deutlich mehr angesprochen, als in offizielen Folien von Microsoft angegeben war."
N.N.. (25.3.2024 (Montag) bis 28.3.2024 (Donnerstag))
"Theorie wird so erklärt, dass man sie versteht und absolut nicht trocken ist. Viel input, viel know how, defintiv nicht ohne, aber macht auch Spaß."
P. B. , Pexon. (24.1.2024 (Mittwoch) bis 26.1.2024 (Freitag))
"Sehr intensives Training mit viel Praxis. Unser Trainer war sehr gut und konnte alle Themen interessant und mit Beispielen vermitteln."
F.M.. (11.12.2023 (Montag) bis 14.12.2023 (Donnerstag))
"Sehr Kompetenter, freundlicher und menschlicher Instructor. Viel Wissen in wenig Zeit vermittelt."
n.n.. (30.10.2023 (Montag) bis 2.11.2023 (Donnerstag))
"Meine Erfahrung mit Firebrand war durchweg positiv. Von der Anmeldung bis zur Durchführung des Kurses war alles reibungslos und professionell. Die Kursmaterialien waren gut organisiert und aktuell, was das Lernen erleichtert hat."
n.n.. (30.10.2023 (Montag) bis 2.11.2023 (Donnerstag))
Start |
Ende |
Verfügbarkeit |
Standort |
Anmelden |
---|---|---|---|---|
26.8.2024 (Montag) |
31.8.2024 (Samstag) |
Kurs gelaufen - Hinterlasse Kommentar |
- |
|
|
|
|
|
|
10.2.2025 (Montag) |
15.2.2025 (Samstag) |
Einige Plätze frei |
Überregional |
|
24.3.2025 (Montag) |
29.3.2025 (Samstag) |
Einige Plätze frei |
Überregional |
|
5.5.2025 (Montag) |
10.5.2025 (Samstag) |
Einige Plätze frei |
Überregional |
|
16.6.2025 (Montag) |
21.6.2025 (Samstag) |
Einige Plätze frei |
Überregional |
|