Oplær og administrer en model til maskinel indlæring med Azure Machine Learning
Hurtigt overblik
-
Niveau
-
Skill
-
Produkt
-
Rolle
-
Emne
Hvis du vil oplære en model til maskinel indlæring med Azure Machine Learning, skal du gøre data tilgængelige og konfigurere den nødvendige beregning. Når du har oplært din model og sporing af modelmetrik med MLflow, kan du beslutte at udrulle din model til et online slutpunkt for forudsigelser i realtid. I hele dette læringsforløb kan du udforske, hvordan du konfigurerer dit Azure Machine Learning-arbejdsområde, hvorefter du oplærer og administrerer en model til maskinel indlæring.
Forudsætninger
Ingen
Tilføj
Resultatkode
Vil du anmode om en præstationskode?
Moduler i dette læringsforløb
Få mere at vide om, hvordan du opretter forbindelse til data fra Azure Machine Learning-arbejdsområdet. Du introduceres for datalager og dataaktiver.
Få mere at vide om, hvordan du arbejder med beregningsmål i Azure Machine Learning. Beregningsmål giver dig mulighed for at køre arbejdsbelastninger i forbindelse med maskinel indlæring. Udforsk, hvordan og hvornår du kan bruge en beregningsforekomst eller en beregningsklynge.
Få mere at vide om, hvordan du bruger miljøer i Azure Machine Learning til at køre scripts på en hvilken som helst beregningsmål.
Få mere at vide om, hvordan du konverterer din kode til et script og kører den som et kommandojob i Azure Machine Learning.
Få mere at vide om, hvordan du sporer modeltræning med MLflow i job, når du kører scripts.
Få mere at vide om, hvordan du logfører og registrerer en MLflow-model i Azure Machine Learning.
Få mere at vide om, hvordan du udruller modeller til et administreret onlineslutpunkt til udledning i realtid.