Machine Learning pour les applications Python sur Azure

Les articles suivants vous aident à bien démarrer avec Azure Machine Learning. Les API REST Azure Machine Learning v2, l’extension Azure CLI et le SDK Python sont conçus pour simplifier l’ensemble du cycle de vie du Machine Learning et accélérer les flux de travail de production. Les liens de cet article ciblent v2, ce qui est recommandé si vous démarrez un nouveau projet Machine Learning.

Mise en route

Dans Azure Machine Learning, l’espace de travail est la ressource principale qui organise et gère tout ce que vous créez, comme les jeux de données, les modèles et les expériences.

• Démarrage rapide : Bien démarrer avec Azure Machine Learning
• Gérer les espaces de travail Azure Machine Learning dans le portail ou avec le Kit de développement logiciel (SDK) Python (v2)
• Exécuter les notebooks Jupyter dans votre espace de travail
• Tutoriel : développement de modèle sur une station de travail cloud

Déployer des modèles

Déployez des modèles pour des prédictions Machine Learning à faible latence et en temps réel.

• Tutoriel : Concepteur - Déployer un modèle Machine Learning
• Déployer et évaluer un modèle d'apprentissage automatique à l’aide d’un point de terminaison en ligne

Machine learning automatisé

Le ML automatisé (AutoML) fait référence au processus de rationalisation du développement de modèles Machine Learning en automatisant ses tâches répétitives et fastidieuses.

• Entraîner un modèle de régression avec AutoML et Python (SDK v1)
• Configurer l’apprentissage AutoML pour les données tabulaires avec l’interface CLI Azure Machine Learning et le Kit de développement logiciel (SDK) Python (v2)

Accès aux données

Avec Azure Machine Learning, vous pouvez importer des données à partir de votre ordinateur local ou vous connecter à des services de stockage cloud existants.

• Créer et gérer des ressources de données
• Tutoriel : Charger, accéder et explorer vos données dans Azure Machine Learning
• Accéder aux données dans un travail

Pipelines d'apprentissage automatique

Utilisez des pipelines Machine Learning pour créer des flux de travail qui connectent différentes étapes du processus ML.

• Utiliser Azure Pipelines avec Azure Machine Learning
• Créer et exécuter des pipelines Machine Learning à l’aide de composants avec le SDK Azure Machine Learning v2
• Tutoriel : Créer des pipelines ML de production avec le Kit de développement logiciel (SDK) Python v2 dans un notebook Jupyter