Azure Machine Learning を使用して機械学習モデルをトレーニングして管理する
概略
-
レベル
-
スキル
-
ロール
-
サブジェクト
Azure Machine Learning を使って機械学習モデルをトレーニングするには、データを使用できるようにして必要なコンピューティングを構成する必要があります。 MLflow を使ってモデルのトレーニングとモデル メトリックの追跡を行った後、モデルをオンライン エンドポイントにデプロイしてリアルタイムの予測を行うことができます。 このラーニング パス全体を通して、Azure Machine Learning ワークスペースの設定方法を確認し、その後、機械学習モデルをトレーニングして管理します。
前提条件
なし
実績コード
実績コードを要求しますか?
このラーニング パス内のモジュール
Azure Machine Learning ワークスペースからデータに接続する方法について説明します。 データストアとデータ資産について説明します。
Azure Machine Learning でコンピューティング先を使用する方法を学習します。 コンピューティング ターゲットを使うと、機械学習ワークロードを実行できます。 コンピューティング インスタンスまたはコンピューティング クラスターを、どのような方法で、どのようなときに使用できるかを詳しく調べます。
Azure Machine Learning の環境を使用して、任意のコンピューティング ターゲットでスクリプトを実行する方法について学習します。
コードをスクリプトに変換し、Azure Machine Learning でコマンド ジョブとして実行する方法について説明します。
スクリプトの実行時に、ジョブで MLflow を使用してモデル トレーニングを追跡する方法について説明します。
Azure Machine Learning で MLflow モデルをログに記録して登録する方法について説明します。
リアルタイム推論のためにマネージド オンライン エンドポイントにモデルをデプロイする方法について学習します。