Megjegyzés
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhat bejelentkezni vagy módosítani a címtárat.
Az oldalhoz való hozzáféréshez engedély szükséges. Megpróbálhatja módosítani a címtárat.
Az alábbi cikkek segítenek az Azure Machine Learning használatának megkezdésében. Az Azure Machine Learning v2 REST API-kat, az Azure CLI-bővítményt és a Python SDK-t úgy tervezték, hogy leegyszerűsítse a teljes gépi tanulási életciklust, és felgyorsítsa az éles munkafolyamatokat. A cikkben szereplő hivatkozások a 2. verzióra irányulnak, ami új gépi tanulási projekt indításakor ajánlott.
Kezdő lépések
Az Azure Machine Learningben a munkaterület a fő erőforrás, amely rendszerezi és kezeli az Ön által létrehozott összes elemet, például adathalmazokat, modelleket és kísérleteket.
- Rövid útmutató: Az Azure Machine Learning használatának első lépései
- Azure Machine Learning-munkaterületek kezelése a portálon vagy a Python SDK-val (v2)
- Jupyter-jegyzetfüzetek futtatása a munkaterületen
- Oktatóanyag: Modellfejlesztés felhőalapú munkaállomáson
Modellek üzembe helyezése
Modellek üzembe helyezése alacsony késésű, valós idejű gépi tanulási előrejelzésekhez.
- Oktatóanyag: Tervező – gépi tanulási modell üzembe helyezése
- Gépi tanulási modell üzembe helyezése és pontszáma online végpont használatával
Automatizált gépi tanulás
Az automatizált gépi tanulás (AutoML) a gépi tanulási modellek fejlesztésének rafukcióját jelenti az ismétlődő és időigényes feladatok automatizálásával.
- Regressziós modell betanítása az AutoML és a Python használatával (SDK v1)
- AutoML-betanítás beállítása táblázatos adatokhoz az Azure Machine Learning CLI-vel és a Python SDK-val (v2)
Az adatok elérése
Az Azure Machine Learning segítségével adatokat importálhat a helyi számítógépről, vagy csatlakozhat a meglévő felhőalapú tárolási szolgáltatásokhoz.
- Adategységek létrehozása és kezelése
- Oktatóanyag: Adatok feltöltése, elérése és felfedezése az Azure Machine Learningben
- Hozzáférés az adatokhoz egy feladatban
Gépi tanulási folyamatok
Gépi tanulási folyamatokkal olyan munkafolyamatokat hozhat létre, amelyek az ML-folyamat különböző szakaszait kötik össze.