Verwalten von Daten in Azure Machine Learning

Um erfolgreiche Machine-Learning-Modelle zu erstellen, müssen Ihre Daten zugänglich, organisiert und sicher sein. Dieser textbasierte Kurs führt Sie durch die grundlegenden Schritte zum Verbinden und Verwalten Ihrer Datenquellen in der Azure Machine Learning-Umgebung. Sie werden vom manuellen Umgang mit Rohdatendateien zum Aufbau robuster, automatisierter Datenworkflows übergehen. Am Ende dieses Kurses werden Sie sichere Verbindungen zu verschiedenen Cloud-Speichersystemen konfigurieren und Ihre Datensätze für das Modelltraining vorbereiten. Was Sie lernen werden: - Verstehen Sie grundlegende Cloud-Speicherkonzepte und die Azure Machine Learning-Architektur. - Konfigurieren Sie sichere Datenspeicher, um Ihren Arbeitsbereich mit Cloud-Speicherressourcen zu verbinden. - Erstellen und Versionieren von Datenelementen, um die Reproduzierbarkeit in Ihren Machine-Learning-Experimenten sicherzustellen. - Wenden Sie moderne Best Practices für die Sicherheit an, einschließlich verwalteter Identitäten und Zugriff ohne Anmeldeinformationen. - Üben Sie das Registrieren und Abrufen von Datensätzen mit Python-Code-Snippets. - Optimieren Sie die Datenladeleistung für umfangreiche Trainingsaufgaben. Sie lernen zunächst die wesentlichen Begriffe und grundlegenden Cloud-Konzepte kennen und gehen dann zur praktischen Konfiguration über. Durch klare, schriftliche Erläuterungen und strukturierte Code-Walkthroughs lernen Sie Schritt für Schritt, Datenspeicher zu registrieren und Datenbestände zu verwalten. Dieser Kurs richtet sich an Data Scientists, Cloud-Techniker und Entwickler, die Azure Machine Learning noch nicht kennen. Es sind keine vorherigen Erfahrungen mit der Cloud-Administration erforderlich, aber grundlegende Kenntnisse von Python sind hilfreich. Erstellen Sie noch heute sichere und reproduzierbare Datenworkflows für Ihre Machine-Learning-Projekte.