Azure Machine Learning ile makine öğrenmesi modelini eğitin ve yönetin

  • Öğrenme Yolu
  • 7 Modül

Bir bakışta

Azure Machine Learning ile bir makine öğrenmesi modelini eğitmek için verileri kullanılabilir hale getirmeniz ve gerekli işlem yapılandırmanız gerekir. Modelinizi ve izleme modeli ölçümlerini MLflow ile eğitdikten sonra, gerçek zamanlı tahminler için modelinizi çevrimiçi bir uç noktaya dağıtmaya karar vekleyebilirsiniz. Bu öğrenme yolu boyunca Azure Machine Learning çalışma alanınızı ayarlamayı ve ardından bir makine öğrenmesi modelini eğitip yönetmeyi öğreneceksiniz.

Önkoşullar

Hiçbiri

Bu öğrenme yolundaki modüller

Azure Machine Learning'de verileri kullanılabilir hale getirme

Azure Machine Learning çalışma alanından verilere bağlanma hakkında bilgi edinin. Veri depoları ve veri varlıklarıyla tanıştırıldınız.

Azure Machine Learning'de işlem hedefleriyle çalışma

Azure Machine Learning'de işlem hedefleriyle çalışmayı öğrenin. İşlem hedefleri, makine öğrenmesi iş yüklerinizi çalıştırmanıza olanak tanır. İşlem örneğini veya işlem kümesini nasıl ve ne zaman kullanabileceğinizi keşfedin.

Azure Machine Learning'de ortamlarla çalışma

Azure Machine Learning'de ortamları kullanarak herhangi bir işlem hedefinde betik çalıştırmayı öğrenin.

Azure Machine Learning'de komut işi olarak eğitim betiği çalıştırma

Kodunuzu bir betike dönüştürmeyi ve Azure Machine Learning'de komut işi olarak çalıştırmayı öğrenin.

İşlerde MLflow ile model eğitimini izleme

Betikleri çalıştırırken işlerde MLflow ile model eğitimini izlemeyi öğrenin.

Azure Machine Learning'de MLflow modeli kaydetme

Azure Machine Learning'de bir MLflow modelini günlüğe kaydetmeyi ve kaydetmeyi öğrenin.

Yönetilen çevrimiçi uç noktaya model dağıtma

Gerçek zamanlı çıkarım için modelleri yönetilen çevrimiçi uç noktaya dağıtmayı öğrenin.

Başlangıç