Melatih dan mengelola model pembelajaran mesin dengan Azure Pembelajaran Mesin
Untuk melatih model pembelajaran mesin dengan Azure Pembelajaran Mesin, Anda perlu membuat data tersedia dan mengonfigurasi komputasi yang diperlukan. Setelah melatih metrik model dan pelacakan model Anda dengan MLflow, Anda dapat memutuskan untuk menyebarkan model Anda ke titik akhir online untuk prediksi real-time. Di seluruh jalur pembelajaran ini, Anda menjelajahi cara menyiapkan ruang kerja Azure Pembelajaran Mesin, setelah itu Anda melatih dan mengelola model pembelajaran mesin.
Prasyarat
Tidak
Kode Prestasi
Apakah Anda ingin meminta kode prestasi?
Modul dalam jalur pembelajaran ini
Pelajari tentang cara menyambungkan ke data dari ruang kerja Azure Pembelajaran Mesin. Anda diperkenalkan ke penyimpanan data dan aset data.
Pelajari cara bekerja dengan target komputasi di Azure Pembelajaran Mesin. Target komputasi memungkinkan Anda menjalankan beban kerja pembelajaran mesin Anda. Jelajahi bagaimana dan kapan Anda dapat menggunakan instans komputasi atau kluster komputasi.
Pelajari cara menggunakan lingkungan di Azure Pembelajaran Mesin untuk menjalankan skrip pada target komputasi apa pun.
Pelajari cara mengonversi kode Anda ke skrip dan menjalankannya sebagai pekerjaan perintah di Azure Pembelajaran Mesin.
Pelajari cara melacak pelatihan model dengan MLflow dalam pekerjaan saat menjalankan skrip.
Pelajari cara mencatat dan mendaftarkan model MLflow di Azure Pembelajaran Mesin.
Pelajari cara menyebarkan model ke titik akhir online terkelola untuk inferensi real time.