Entrenamiento de modelos en el área de trabajo
Para entrenar modelos con el área de trabajo de Azure Machine Learning, tiene varias opciones:
- Usar ML automatizado
- Ejecute un cuaderno de Jupyter Notebook.
- Ejecutar un script como trabajo
Exploración de algoritmos y valores de hiperparámetros con ML automatizado
Cuando tiene un conjunto de datos de entrenamiento y se le asigna la tarea de encontrar qué modelo tiene el mejor rendimiento, puede experimentar con varios algoritmos y valores de hiperparámetros.
Experimentar manualmente con diferentes configuraciones para entrenar un modelo puede tardar mucho tiempo. Como alternativa, puede usar ML automatizado para acelerar el proceso.
Esta funcionalidad recorre en iteración los algoritmos emparejados con selecciones de características a fin de encontrar el modelo que tiene el mejor rendimiento para los datos.
Ejecutar un cuaderno
Cuando prefiera desarrollar mediante la ejecución de código en cuadernos, puede usar la característica de cuaderno integrada en el área de trabajo.
La página Cuadernos del Estudio le permite editar y ejecutar cuadernos de Jupyter Notebook.
Todos los archivos que clona o crea en la sección Cuadernos se almacenan en el recurso compartido de archivos de la cuenta de Azure Storage que se creó con el área de trabajo.
Para ejecutar cuadernos, usará una instancia de proceso, ya que son ideales para el desarrollo y funcionan de manera similar a una máquina virtual.
También puede editar y ejecutar cuadernos en Visual Studio Code, a la vez que sigue usando una instancia de proceso para ejecutar los cuadernos.
Ejecución de un script como trabajo
Cuando quiera preparar el código para que esté listo para producción, es mejor que use scripts. Puede automatizar fácilmente la ejecución del script para automatizar cualquier carga de trabajo de aprendizaje automático.
Puede ejecutar un script como un trabajo en Azure Machine Learning. Al enviar un trabajo al área de trabajo, todas las entradas y salidas se almacenarán en el área de trabajo.
Existen diferentes tipos de trabajos en función de cómo quiere ejecutar una carga de trabajo:
- Comando: ejecute un script único.
- Barrido: ajuste los hiperparámetros al ejecutar un script único.
- Canalización: ejecute una canalización que conste de varios scripts o componentes.
Nota:
Al enviar una canalización que creó con el diseñador, se ejecutará como un trabajo de canalización. Al enviar un experimento de ML automatizado, también se ejecutará como un trabajo.