Maskininlärning för Python-appar i Azure
Följande artiklar hjälper dig att komma igång med Azure Machine Learning. Rest-API:er för Azure Machine Learning v2, Azure CLI-tillägget och Python SDK påskyndar maskininlärningslivscykeln för produktion. Länkarna i den här artikeln riktar sig till v2, vilket rekommenderas om du startar ett nytt maskininlärningsprojekt.
Arbetsytan är resursen på den översta nivån i Azure Machine Learning, och är en central plats där du kan arbeta med alla artefakter du skapar när du använder Azure Machine Learning.
- Snabbstart: Kom igång med Azure Machine Learning
- Hantera Azure Machine Learning-arbetsytor i portalen eller med Python SDK (v2)
- Köra Jupyter-notebook-filer på din arbetsyta
- Självstudie: Modellutveckling på en molnarbetsstation
Distribuera maskininlärningsmodeller för slutsatsdragning i realtid.
- Självstudie: Designer – distribuera en maskininlärningsmodell
- Distribuera och poängsätta en maskininlärningsmodell med hjälp av en onlineslutpunkt
Automatiserad maskininlärning, även kallad automatiserad ML eller AutoML, är processen att automatisera de tidskrävande, iterativa uppgifterna för utveckling av maskininlärningsmodeller.
- Träna en regressionsmodell med AutoML och Python (SDK v1)
- Konfigurera AutoML-träning för tabelldata med Azure Machine Learning CLI och Python SDK (v2)
Med Azure Machine Learning kan du hämta data från en lokal dator eller en befintlig molnbaserad lagring.
- Skapa och hantera datatillgångar
- Självstudie: Ladda upp, komma åt och utforska dina data i Azure Machine Learning
- Komma åt data i ett jobb
Använd maskininlärningspipelines för att skapa ett arbetsflöde som sammanfogar olika ML-faser.