Maschinelles Lernen für Python-Apps in Azure

Die folgenden Artikel helfen Ihnen bei den ersten Schritten mit Azure Machine Learning. Azure Machine Learning v2 REST-APIs, Azure CLI-Erweiterung und Python SDK beschleunigen den Lebenszyklus des maschinellen Lernens der Produktion. Die Links in diesem Artikel zielen auf v2 ab, die empfohlen wird, wenn Sie ein neues Machine Learning-Projekt starten.

Erste Schritte

Der Arbeitsbereich ist die Ressource der obersten Ebene für Azure Machine Learning und ein zentraler Ort für die Arbeit mit allen Artefakten, die Sie während der Nutzung von Azure Machine Learning erstellen.

• Schnellstart: Erste Schritte mit Azure Machine Learning
• Verwalten von Azure Machine Learning-Arbeitsbereichen im Portal oder mit dem Python SDK (v2)
• Ausführen von Jupyter Notebooks in Ihrem Arbeitsbereich
• Lernprogramm: Modellentwicklung auf einer Cloudarbeitsstation

Bereitstellen von Modellen

Bereitstellen von Machine Learning-Modellen für die Echtzeit-Ableitung.

• Lernprogramm: Designer – Bereitstellen eines Machine Learning-Modells
• Bereitstellen und Bewerten eines Machine Learning-Modells mithilfe eines Onlineendpunkts

Automatisiertes maschinelles Lernen

Automatisiertes maschinelles Lernen, auch als automatisiertes ML oder AutoML bezeichnet, ist der Prozess der Automatisierung von zeitaufwändigen, iterativen Aufgaben bei der Entwicklung eines Machine Learning-Modells.

• Trainieren eines Regressionsmodells mit AutoML und Python (SDK v1)
• Einrichten von AutoML-Schulungen für tabellarische Daten mit dem Azure Machine Learning CLI und Python SDK (v2)

Datenzugriff

Mit Azure Machine Learning können Sie Daten von einem lokalen Computer oder aus einem vorhandenen cloudbasierten Speicher importieren.

• Erstellen und Verwalten von Datenressourcen
• Lernprogramm: Hochladen, Zugreifen und Erkunden Ihrer Daten in Azure Machine Learning
• Zugreifen auf Daten in einem Auftrag

Machine Learning-Pipelines

Verwenden Sie Machine Learning-Pipelines, um einen Workflow zu erstellen, der verschiedene ML-Phasen zusammenfügt.

• Verwenden von Azure-Pipelines mit Azure Machine Learning
• Erstellen und Ausführen von Machine Learning-Pipelines mit Komponenten und dem Azure Machine Learning SDK v2
• Tutorial: Erstellen von Produktions-ML-Pipelines mit dem Python SDK v2 in einem Jupyter Notebook