Обучение модели машинного обучения и управление ими с помощью Машинное обучение Azure
Вкратце
-
Level
-
Skill
-
Продукт
-
Тема
Чтобы обучить модель машинного обучения с помощью Машинное обучение Azure, необходимо сделать данные доступными и настроить необходимые вычислительные ресурсы. После обучения метрик модели и отслеживания моделей с помощью MLflow вы можете решить развернуть модель в онлайн-конечной точке для прогнозирования в режиме реального времени. В рамках этой схемы обучения вы узнаете, как настроить рабочую область Машинное обучение Azure, после чего обучать модель машинного обучения и управлять ими.
Предварительные требования
нет
Код достижения
Вы хотите запросить код достижения?
Модули, включенные в эту схему обучения
Узнайте, как подключиться к данным из рабочей области Машинное обучение Azure. Вы получите сведения о хранилищах данных и ресурсах данных.
Узнайте, как работать с целевыми объектами вычислений в Машинное обучение Azure. Целевые объекты вычислений позволяют запускать рабочие нагрузки машинного обучения. Узнайте, как и когда можно использовать вычислительный экземпляр или вычислительный кластер.
Узнайте, как использовать среды в Машинное обучение Azure для запуска скриптов на любом целевом объекте вычислений.
Узнайте, как преобразовать код в скрипт и запустить его в качестве задания команды в Машинное обучение Azure.
Узнайте, как отслеживать обучение модели с помощью MLflow в заданиях при выполнении скриптов.
Узнайте, как регистрировать и регистрировать модель MLflow в Машинное обучение Azure.
Узнайте, как развертывать модели в управляемой сетевой конечной точке для вывода в режиме реального времени.