Azure Machine Learning'de MLflow Model Yönetimi

Makine öğrenimi modellerini eğitmek ve üretimde yönetmek arasındaki boşluğu doldurmak, yapısal bir kayıt olmadan zor olabilir. Bu metin tabanlı kurs, model yaşam döngülerinizi verimli bir şekilde kaydetmek, kaydettirmek ve yönetmek için Azure Machine Learning içinde MLflow kullanma sürecinde size rehberlik eder. Yerel eğitim yürüyüşlerinden bulut yönetimli varlıklara geçiş modellerinin nasıl uygulanacağına dair pratik bir anlayış kazanacaksınız. Ne öğreneceksiniz: - Temel model kayıt defteri kavramlarını ve MLflow'un modern MLOps'lardaki rolünü anlamak. - MLflow deneylerini izlemek için Azure Machine Learning çalışma alanlarını ayarlayın. - Sürüm kontrolü ve özel meta verilerle eğitilmiş MLflow modellerini kaydedin. - Model ortamları ve bağımlılıkları tekrarlanabilir paketleme standartlarını kullanarak yönetin. - Bulut son noktalarına dağıtım için kayıtlı modelleri hazırlayın. Makine öğrenimi yaşam döngüsü ve izleme terminolojisinin temel tanımlarıyla başlayacaksınız, adım adım yazılı açıklamalara, kod parçalarına ve izlenme ve dağıtım için yapılandırma örneklerine geçmeden önce. Bu kurs, model çalışma akışlarını organize etmek isteyen yeni başlayan veri bilimcileri ve makine öğrenimi mühendisleri için tasarlanmıştır ve sadece temel Python bilgisi gerektirir. Makine öğrenimi modellerinizi bugün organize etmeye başlayın.