Documentatie voor Azure Machine Learning

Meer informatie over het trainen en implementeren van modellen en het beheren van de ML-levenscyclus (MLOps) met Azure Machine Learning. Zelfstudies, codevoorbeelden, API-verwijzingen en meer.

Overzicht

Overzicht

• Wat is Azure Machine Learning?
• Wat is Responsible AI?

Setup & quickstart

Snelstart

• Resources maken
• Aan de slag met Azure Machine Learning

Begin met de basisbeginselen

Zelfstudie

• Gegevens voorbereiden en verkennen
• Ontwikkelen op een cloudwerkstation
• Een model trainen
• Een model implementeren
• Een herbruikbare pijplijn instellen

AI-oplossingen bouwen

Snelstart

• Wat is de promptstroom van Azure Machine Learning?
• Aan de slag in promptstroom

Werken met gegevens

Instructies

• Apache Spark gebruiken in Azure Machine Learning
• Gegevensassets maken

Modellen trainen

Instructies

• Training uitvoeren met CLI, SDK of REST API
• Pijplijnen bouwen van herbruikbare onderdelen

Modellen implementeren

Implementeren

• Modelimplementatie stroomlijnen met eindpunten
• Realtime scoren met online-eindpunten

De ML-levenscyclus (MLOps) beheren

Instructies

• Trainingsuitvoeringen bijhouden, bewaken, analyseren
• Modelbeheer, implementatie en bewaking

Beveiliging voor ML-projecten

Instructies

• Een beveiligde werkruimte maken
• Verbinding maken met gegevensbronnen
• Bedrijfsbeveiliging en -governance

Naslagdocumentatie

Referentie

• Python SDK (v2)
• CLI (v2)
• REST-API
• Naslaginformatie over algoritmen en onderdelen

Resources

Referentie

• Upgraden naar v2
• Voorbeelden van Python SDK-code (v2)
• Voorbeelden van CLI-code (v2)