剧集
Azure 机器学习的新增功能
在本集中,我们将快速概述Azure 机器学习中的新功能,例如用于拖放机器学习的可视化界面和自动化机器学习 UI 以及 MLOps 方法,以便将机器学习从训练到部署进行生产化。 我们还将快速重点介绍如何使用与 Azure 数据工厂 的新集成来准备数据,甚至通过与 Power BI 的集成直观显示模型预测的结果。
了解更多信息:
[00:40]- 通过与 Azure 数据工厂 集成进行数据准备
[01:53] – 使用 Azure Open DataSet 查找新数据以改进模型训练
[03:00] – 通过可视界面拖动 n 个拖放机器学习
[04:10] – 新的 Azure 机器学习 Studio UI
[05:45] - 托管 Jupyter Notebook 中的自动机器学习
[09:40] - Azure 机器学习 Studio UI 中的自动机器学习
[10:20] - Azure 机器学习 Studio UI 中的数据集分析和探索
[11:11] – 托管 Jupyter Notebook 中的 Tensorflow 深度学习模型训练
[13:54] – Tensorboard 集成
[14:20] – 通过 Azure 机器学习 Hyperdrive 自动超参数扫描
[14:48] – 使用 Azure DevOps 集成轻松部署模型以测试和生产环境
[16:45] – 将已部署的 ML 模型集成到 Power BI 中
AI Show 的收藏夹链接:
在本集中,我们将快速概述Azure 机器学习中的新功能,例如用于拖放机器学习的可视化界面和自动化机器学习 UI 以及 MLOps 方法,以便将机器学习从训练到部署进行生产化。 我们还将快速重点介绍如何使用与 Azure 数据工厂 的新集成来准备数据,甚至通过与 Power BI 的集成直观显示模型预测的结果。
了解更多信息:
[00:40]- 通过与 Azure 数据工厂 集成进行数据准备
[01:53] – 使用 Azure Open DataSet 查找新数据以改进模型训练
[03:00] – 通过可视界面拖动 n 个拖放机器学习
[04:10] – 新的 Azure 机器学习 Studio UI
[05:45] - 托管 Jupyter Notebook 中的自动机器学习
[09:40] - Azure 机器学习 Studio UI 中的自动机器学习
[10:20] - Azure 机器学习 Studio UI 中的数据集分析和探索
[11:11] – 托管 Jupyter Notebook 中的 Tensorflow 深度学习模型训练
[13:54] – Tensorboard 集成
[14:20] – 通过 Azure 机器学习 Hyperdrive 自动超参数扫描
[14:48] – 使用 Azure DevOps 集成轻松部署模型以测试和生产环境
[16:45] – 将已部署的 ML 模型集成到 Power BI 中
AI Show 的收藏夹链接:
想提供反馈? 在此处提交问题。