Interakcja z usługą Azure Machine Learning Workspace

Aby tworzyć niezawodne modele uczenia maszynowego, potrzebujesz niezawodnej metody zarządzania zasobami w chmurze. Zrozumienie sposobu łączenia się z obszarem roboczym usługi Azure Machine Learning i sterowania nim stanowi podstawę każdego udanego projektu sztucznej inteligencji opartego na chmurze. Ten pisemny kurs przeprowadzi Cię przez niezbędne narzędzia potrzebne do efektywnej interakcji z obszarem roboczym, pomagając w przejściu od ręcznych konfiguracji do zautomatyzowanych przepływów pracy w chmurze. Ukończenie tego kursu pozwoli Ci nauczyć się nawigować i wchodzić w interakcje z obszarem roboczym za pomocą trzech podstawowych narzędzi programistycznych. Zrozumiesz, jak wybrać odpowiednie narzędzie do każdego zadania, niezależnie od tego, czy wolisz wizualny interfejs internetowy, sterowanie programowe za pomocą Pythona, czy szybkie skrypty za pomoca wiersza poleceń. Czego się nauczysz: - Poznaj podstawową strukturę i kluczowe komponenty obszaru roboczego Azure Machine Learning. - Nawiguj i wykorzystuj wizualny interfejs studia opartego na chmurze do szybkiego zarządzania zasobami. - Skonfiguruj i napisz czysty kod Pythona za pomocą nowoczesnego zestawu Python SDK do programowego zarządzania zasobami. - Zastosuj polecenia wiersza polecenie za pomocą interfejsu CLI, aby zautomatyzować zadania i wdrożenia obszaru roboczego. - Dowiedz się, jak bezpiecznie zarządzać środowiskami i zabezpieczać połączenia z przestrzenią roboczą w chmurze. Począwszy od kluczowych definicji i podstawowych pojęć obszaru roboczego, ten kurs tekstowy prowadzi krok po kroku przez pisemne wyjaśnienia i praktyczne fragmenty kodu. Będziesz przechodzić od podstawowych zadań wizualnych w studio do pisania solidnych skryptów i poleceń automatyzacji. Ten kurs jest przeznaczony dla początkujących w chmurze uczenia maszynowego i nie jest wymagane wcześniejsze doświadczenie z Azure, chociaż pomocne jest podstawowe zrozumienie Pythona. Przeczytaj ten przewodnik tekstowy, aby już dziś uzyskać pewną kontrolę nad obszarem roboczym uczenia maszynowego.