Az Azure Machine Learning dokumentációja

Megtudhatja, hogyan taníthat be és helyezhet üzembe modelleket, és hogyan kezelheti az ML-életciklust (MLOps) az Azure Machine Learning használatával. Oktatóanyagok, példakódok, API-referenciák és egyebek.

Áttekintés

Áttekintés

• Mi az Azure Machine Learning?

Gyorsútmutató beállítása &

Gyorsútmutató

• Az erőforrások létrehozása
• Az Azure Machine Learning használatának első lépései

Kezdje az alapokkal

Oktatóanyag

• Adatok előkészítése és feltárása
• Fejlesztés felhőalapú munkaállomáson
• Modell betanítása
• Modell üzembe helyezése
• Újrafelhasználható folyamat beállítása

Adatok használata

Útmutató

• Az Apache Spark használata az Azure Machine Learningben
• Adategységek létrehozása
• Táblázatok használata

Modellek betanítása

Útmutató

• Betanítás futtatása parancssori felülettel, SDK-val vagy REST API-val
• Hiperparaméterek hangolása modellbetanításhoz
• Folyamatok létrehozása újrafelhasználható összetevőkből
• Automatizált gépi tanulás használata a studióban
• Betanítása R-vel

Modellek üzembe helyezése

Üzembe helyezés

• Modell üzembe helyezésének egyszerűsítése végpontokkal
• Valós idejű pontozás online végpontokkal
• Kötegelt pontozás kötegelt végpontokkal
• R-modellek üzembe helyezése

Az ML életciklusának (MLOps) kezelése

Útmutató

• Betanítási futtatások nyomon követése, monitorozása, elemzése
• Modellkezelés, üzembe helyezés & monitorozás

Gépi tanulási projektek biztonsága

Útmutató

• Biztonságos munkaterület létrehozása
• Kapcsolódás adatforrásokhoz
• Vállalati biztonsági & szabályozása

Referenciadokumentumok

Referencia

• Python SDK (v2)
• PARANCSSORI FELÜLET (v2)
• REST API
• Algoritmusok & összetevő-referencia

További források

Referencia

• Frissítés v2-re
• Példák a Python SDK (v2) kódra
• PARANCSSORI (v2) kód példák
• AZ ML Studio (klasszikus) dokumentációja