{"course":{"productid":34006,"modality":1,"active":true,"language":"de","title":"Build machine learning solutions using Azure Databricks","productcode":"DP-3014","vendorcode":"MS","vendorname":"Microsoft","fullproductcode":"MS-DP-3014","courseware":{"has_ekit":true,"has_printkit":false,"language":""},"url":"https:\/\/portal.flane.ch\/course\/microsoft-dp-3014","audience":"<p>Dieser Kurs wurde f&uuml;r aufstrebende Datenwissenschaftler und KI-Ingenieure entwickelt, die machine Learning-Modelle mithilfe von Azure Databricks trainieren und verwalten m&uuml;ssen.<\/p>","contents":"<h4>Erkunden von Azure Databricks<\/h4><ul>\n<li>Einf&uuml;hrung<\/li><li>Erste Schritte mit Azure Databricks<\/li><li>Erkennen von Azure Databricks-Workloads<\/li><li>Verst&auml;ndnis der grundlegenden Konzepte<\/li><li>Data Governance mithilfe von Unity Catalog und Microsoft Purview<\/li><li>&Uuml;bung - Azure Databricks erkunden<\/li><li>Modulbewertung<\/li><li>Zusammenfassung<\/li><\/ul>\n<h4>Verwenden von Apache Spark in Azure Databricks<\/h4><ul>\n<li>Einf&uuml;hrung<\/li><li>Einf&uuml;hrung in Spark<\/li><li>Erstellen eines Spark-Clusters<\/li><li>Verwenden von Spark in Notebooks<\/li><li>Verwenden von Spark zum Arbeiten mit Datendateien<\/li><li>Visualisieren von Daten<\/li><li>&Uuml;bung : Verwenden von Spark in Azure Databricks<\/li><li>Modulbewertung<\/li><li>Zusammenfassung<\/li><\/ul>\n<h4>Trainieren eines Machine Learning-Modells in Azure Databricks<\/h4><ul>\n<li>Einleitung<\/li><li>Grundlegendes zu den Prinzipien des maschinellen Lernens<\/li><li>Maschinelles Lernen in Azure Databricks<\/li><li>Vorbereiten von Daten f&uuml;r maschinelles Lernen<\/li><li>Trainieren eines Machine Learning-Modells<\/li><li>Auswerten eines Machine Learning-Modells<\/li><li>&Uuml;bung: Trainieren eines Machine Learning-Modells in Azure Databricks<\/li><li>Modulbewertung<\/li><li>Zusammenfassung<\/li><\/ul>\n<h4>Verwenden von MLflow in Azure Databricks<\/h4><ul>\n<li>Einleitung<\/li><li>Funktionen von MLflow<\/li><li>Ausf&uuml;hren von Experimenten mit MLflow<\/li><li>Registrieren und Bedienen von Modellen mit MLflow<\/li><li>&Uuml;bung: Verwenden von MLflow in Azure Databricks<\/li><li>Modulbewertung<\/li><li>Zusammenfassung<\/li><\/ul>\n<h4>Optimieren von Hyperparametern in Azure Databricks<\/h4><ul>\n<li>Einleitung<\/li><li>Optimieren von Hyperparametern mit Optuna<\/li><li>Testversionen &uuml;berpr&uuml;fen<\/li><li>Hyperparameteroptimierung skalieren<\/li><li>&Uuml;bung: Optimieren von Hyperparametern f&uuml;r maschinelles Lernen in Azure Databricks<\/li><li>Modulbewertung<\/li><li>Zusammenfassung<\/li><\/ul>\n<h4>Verwenden von AutoML in Azure Databricks<\/h4><ul>\n<li>Einf&uuml;hrung<\/li><li>Was ist AutoML?<\/li><li>Verwenden von AutoML in der Azure Databricks-Benutzeroberfl&auml;che<\/li><li>Verwenden von Code zum Ausf&uuml;hren eines AutoML-Experiments<\/li><li>&Uuml;bung: Verwenden von AutoML in Azure Databricks<\/li><li>Modulbewertung<\/li><li>Zusammenfassung<\/li><\/ul>\n<h4>Trainieren von Deep Learning-Modellen in Azure Databricks<\/h4><ul>\n<li>Einleitung<\/li><li>Grundlegendes zu Deep Learning-Konzepten<\/li><li>Trainieren von Modellen mit PyTorch<\/li><li>Verteilen von PyTorch-Trainingsaufgaben mit TorchDistributor<\/li><li>&Uuml;bung: Trainieren von Deep Learning-Modellen in Azure Databricks<\/li><li>Modulbewertung<\/li><li>Zusammenfassung<\/li><\/ul>\n<h4>Verwalten von Machine Learning-Modellen in der Produktion mit Azure Databricks<\/h4><ul>\n<li>Einf&uuml;hrung<\/li><li>Automatisieren der Datentransformationen<\/li><li>Erkunden der Modellentwicklung<\/li><li>Erkunden von Strategien f&uuml;r die Modellimplementierung<\/li><li>Erkunden der Versionsverwaltung und Lebenszyklusverwaltung f&uuml;r Modelle<\/li><li>&Uuml;bung: Verwalten eines Machine Learning-Modells<\/li><li>Modulbewertung<\/li><li>Zusammenfassung<\/li><\/ul>","summary":"<p>Azure Databricks ist eine vollst&auml;ndig verwaltete, cloudbasierte Datenanalyseplattform, mit der Entwickler KI und Innovation beschleunigen k&ouml;nnen, indem sie den Prozess der Erstellung von Datenanwendungen auf Unternehmensniveau vereinfachen. Entwickelt als gemeinsame Anstrengungen von Microsoft und dem Team, das Apache Spark gestartet hat, bietet Azure Databricks Data Science, Engineering und Analytische Teams eine einzige Plattform f&uuml;r die Verarbeitung von Big Data und maschinelles Lernen. In diesem Kurs erfahren Sie, wie Sie Azure Databricks verwenden, um Machine Learning-Modelle zu trainieren und bereitzustellen.<\/p>","audience_plain":"Dieser Kurs wurde f\u00fcr aufstrebende Datenwissenschaftler und KI-Ingenieure entwickelt, die machine Learning-Modelle mithilfe von Azure Databricks trainieren und verwalten m\u00fcssen.","contents_plain":"Erkunden von Azure Databricks\n\n\n- Einf\u00fchrung\n- Erste Schritte mit Azure Databricks\n- Erkennen von Azure Databricks-Workloads\n- Verst\u00e4ndnis der grundlegenden Konzepte\n- Data Governance mithilfe von Unity Catalog und Microsoft Purview\n- \u00dcbung - Azure Databricks erkunden\n- Modulbewertung\n- Zusammenfassung\n\nVerwenden von Apache Spark in Azure Databricks\n\n\n- Einf\u00fchrung\n- Einf\u00fchrung in Spark\n- Erstellen eines Spark-Clusters\n- Verwenden von Spark in Notebooks\n- Verwenden von Spark zum Arbeiten mit Datendateien\n- Visualisieren von Daten\n- \u00dcbung : Verwenden von Spark in Azure Databricks\n- Modulbewertung\n- Zusammenfassung\n\nTrainieren eines Machine Learning-Modells in Azure Databricks\n\n\n- Einleitung\n- Grundlegendes zu den Prinzipien des maschinellen Lernens\n- Maschinelles Lernen in Azure Databricks\n- Vorbereiten von Daten f\u00fcr maschinelles Lernen\n- Trainieren eines Machine Learning-Modells\n- Auswerten eines Machine Learning-Modells\n- \u00dcbung: Trainieren eines Machine Learning-Modells in Azure Databricks\n- Modulbewertung\n- Zusammenfassung\n\nVerwenden von MLflow in Azure Databricks\n\n\n- Einleitung\n- Funktionen von MLflow\n- Ausf\u00fchren von Experimenten mit MLflow\n- Registrieren und Bedienen von Modellen mit MLflow\n- \u00dcbung: Verwenden von MLflow in Azure Databricks\n- Modulbewertung\n- Zusammenfassung\n\nOptimieren von Hyperparametern in Azure Databricks\n\n\n- Einleitung\n- Optimieren von Hyperparametern mit Optuna\n- Testversionen \u00fcberpr\u00fcfen\n- Hyperparameteroptimierung skalieren\n- \u00dcbung: Optimieren von Hyperparametern f\u00fcr maschinelles Lernen in Azure Databricks\n- Modulbewertung\n- Zusammenfassung\n\nVerwenden von AutoML in Azure Databricks\n\n\n- Einf\u00fchrung\n- Was ist AutoML?\n- Verwenden von AutoML in der Azure Databricks-Benutzeroberfl\u00e4che\n- Verwenden von Code zum Ausf\u00fchren eines AutoML-Experiments\n- \u00dcbung: Verwenden von AutoML in Azure Databricks\n- Modulbewertung\n- Zusammenfassung\n\nTrainieren von Deep Learning-Modellen in Azure Databricks\n\n\n- Einleitung\n- Grundlegendes zu Deep Learning-Konzepten\n- Trainieren von Modellen mit PyTorch\n- Verteilen von PyTorch-Trainingsaufgaben mit TorchDistributor\n- \u00dcbung: Trainieren von Deep Learning-Modellen in Azure Databricks\n- Modulbewertung\n- Zusammenfassung\n\nVerwalten von Machine Learning-Modellen in der Produktion mit Azure Databricks\n\n\n- Einf\u00fchrung\n- Automatisieren der Datentransformationen\n- Erkunden der Modellentwicklung\n- Erkunden von Strategien f\u00fcr die Modellimplementierung\n- Erkunden der Versionsverwaltung und Lebenszyklusverwaltung f\u00fcr Modelle\n- \u00dcbung: Verwalten eines Machine Learning-Modells\n- Modulbewertung\n- Zusammenfassung","summary_plain":"Azure Databricks ist eine vollst\u00e4ndig verwaltete, cloudbasierte Datenanalyseplattform, mit der Entwickler KI und Innovation beschleunigen k\u00f6nnen, indem sie den Prozess der Erstellung von Datenanwendungen auf Unternehmensniveau vereinfachen. Entwickelt als gemeinsame Anstrengungen von Microsoft und dem Team, das Apache Spark gestartet hat, bietet Azure Databricks Data Science, Engineering und Analytische Teams eine einzige Plattform f\u00fcr die Verarbeitung von Big Data und maschinelles Lernen. In diesem Kurs erfahren Sie, wie Sie Azure Databricks verwenden, um Machine Learning-Modelle zu trainieren und bereitzustellen.","skill_level":"Intermediate","version":"1.0","duration":{"unit":"d","value":1,"formatted":"1 Tag"},"pricelist":{"List Price":{"PL":{"country":"PL","currency":"PLN","taxrate":23,"price":1400},"IT":{"country":"IT","currency":"EUR","taxrate":20,"price":490},"DE":{"country":"DE","currency":"EUR","taxrate":19,"price":690},"AT":{"country":"AT","currency":"EUR","taxrate":20,"price":690},"SE":{"country":"SE","currency":"EUR","taxrate":25,"price":690},"NL":{"country":"NL","currency":"EUR","taxrate":21,"price":645},"US":{"country":"US","currency":"USD","taxrate":null,"price":675},"CA":{"country":"CA","currency":"CAD","taxrate":null,"price":675},"GB":{"country":"GB","currency":"GBP","taxrate":20,"price":940},"CH":{"country":"CH","currency":"CHF","taxrate":8.1,"price":870},"SI":{"country":"SI","currency":"EUR","taxrate":20,"price":690},"FR":{"country":"FR","currency":"EUR","taxrate":19.6,"price":950}}},"lastchanged":"2025-12-23T16:01:54+01:00","parenturl":"https:\/\/portal.flane.ch\/swisscom\/json-courses","nexturl_course_schedule":"https:\/\/portal.flane.ch\/swisscom\/json-course-schedule\/34006","source_lang":"de","source":"https:\/\/portal.flane.ch\/swisscom\/json-course\/microsoft-dp-3014"}}