Machine Learning per le app Python in Azure

Gli articoli seguenti illustrano come iniziare a usare Azure Machine Learning. Le API REST di Azure Machine Learning v2, l'estensione dell'interfaccia della riga di comando di Azure e Python SDK sono progettate per semplificare l'intero ciclo di vita di Machine Learning e accelerare i flussi di lavoro di produzione. I collegamenti in questo articolo sono destinati alla versione 2, consigliata se si avvia un nuovo progetto di Machine Learning.

Come iniziare

In Azure Machine Learning l'area di lavoro è la risorsa principale che organizza e gestisce tutto ciò che si crea, ad esempio set di dati, modelli e esperimenti.

• Avvio rapido: Iniziare a usare il servizio Azure Machine Learning
• Gestire le aree di lavoro di Azure Machine Learning nel portale o con Python SDK (v2)
• Eseguire Jupyter Notebook nell'area di lavoro
• Esercitazione: Sviluppo di modelli in una workstation cloud

Distribuire modelli

Distribuire modelli per stime di Machine Learning a bassa latenza e in tempo reale.

• Esercitazione: Progettazione - Distribuire un modello di Machine Learning
• Distribuire e assegnare un punteggio a un modello di Machine Learning usando un endpoint online

Machine Learning automatizzato

Machine Learning automatizzato (AutoML) si riferisce al processo di semplificazione dello sviluppo di modelli di Machine Learning automatizzando le attività ripetitive e dispendiose in termini di tempo.

• Eseguire il training di un modello di regressione con AutoML e Python (SDK v1)
• Configurare il training AutoML per i dati tabulari con l'interfaccia della riga di comando di Azure Machine Learning e Python SDK (v2)

Accesso ai dati

Con Azure Machine Learning è possibile importare dati dal computer locale o connettersi ai servizi di archiviazione cloud esistenti.

• Creare e gestire asset di dati
• Esercitazione: Caricare, accedere ed esplorare i dati in Azure Machine Learning
• Accedere ai dati in un processo

Pipeline di Machine Learning

Usare le pipeline di Machine Learning per creare flussi di lavoro che connettono fasi diverse del processo di Machine Learning.

• Usare Azure Pipelines con Azure Machine Learning
• Creare ed eseguire pipeline di Machine Learning usando componenti con Azure Machine Learning SDK v2
• Esercitazione: Creare pipeline di Machine Learning di produzione con Python SDK v2 in un notebook Jupyter