Machine learning voor Python-apps in Azure
De volgende artikelen helpen u aan de slag te gaan met Azure Machine Learning. Azure Machine Learning v2 REST API's, Azure CLI-extensie en Python SDK versnellen de levenscyclus van machine learning voor productie. De koppelingen in dit artikel zijn gericht op v2. Dit wordt aanbevolen als u een nieuw machine learning-project start.
Aan de slag
De werkruimte is de resource op het hoogste niveau voor Azure Machine Learning en biedt een gecentraliseerde werkplek met alle artefacten die u maakt in Azure Machine Learning.
- Quickstart: Aan de slag met Azure Machine Learning
- Azure Machine Learning-werkruimten beheren in de portal of met de Python SDK (v2)
- Jupyter-notebooks uitvoeren in uw werkruimte
- Zelfstudie: Modelontwikkeling op een cloudwerkstation
Modellen implementeren
Implementeer machine learning-modellen voor realtime deductie.
- Zelfstudie: Ontwerper : een machine learning-model implementeren
- Een machine learning-model implementeren en beoordelen met behulp van een online-eindpunt
Geautomatiseerde machine learning
Geautomatiseerde machine learning, ook wel geautomatiseerd ML of AutoML genoemd, is het automatiseren van de tijdrovende, iteratieve taken van het ontwikkelen van machine learning-modellen.
- Een regressiemodel trainen met AutoML en Python (SDK v1)
- AutoML-training instellen voor tabelgegevens met de Azure Machine Learning CLI en Python SDK (v2)
Toegang tot gegevens
Met Azure Machine Learning kunt u gegevens ophalen van een lokale machine of een bestaande cloudopslag.
- Gegevensassets maken en beheren
- Zelfstudie: Uw gegevens uploaden, openen en verkennen in Azure Machine Learning
- Toegang tot gegevens in een taak
Machine Learning-pijplijnen
Gebruik machine learning-pijplijnen om een werkstroom te maken waarmee verschillende ML-fasen worden samengevoegd.