Rozpoczęcie pracy z usługą Azure Machine Learning Workspace i zasobami

Stworzenie solidnego środowiska jest pierwszym i najważniejszym krokiem w każdym projekcie związanym z danymi. Usługa Azure Machine Learning zapewnia scentralizowany obszar roboczy do zarządzania danymi, zasobami obliczeniowymi i eksperymentami, ale nawigowanie po jej podstawowych zasobach może początkowo wydawać się przytłaczające. Ten kurs tekstowy przeprowadzi Cię przez podstawową strukturę usługi Azure Machine Learning. Zrozumiesz, jak zorganizować pracę, zabezpieczyć dane i przygotować moc obliczeniową do szkolenia i wdrażania modeli, przygotowując się do skutecznej współpracy w projektach AI opartych na chmurze. Czego się nauczysz: - Zapoznaj się z podstawową architekturą obszaru roboczego Azure Machine Learning i jego podstawowymi komponentami - Konfiguruj i zarządzaj zasobami obliczeniowymi w chmurze, w tym instancjami obliczania i klastrami - Rejestruj i śledź zasoby danych, magazyny danych i środowiska do powtarzalnych eksperymentów - Śledź wskaźniki i parametry modelu za pomocą nowoczesnych zintegrowanych wzorców śledzenia MLflow - Organizuj zasoby potoku, aby zautomatyzować kompleksowe przepływy pracy uczenia maszynowego - Wdrażaj wyszkolone modele do punktów końcowych w chmurze w celu wnioskowania w czasie rzeczywistym Zaczniesz od zapoznania się z podstawową terminologią uczenia maszynowego w chmurze i konfiguracją obszaru roboczego, a następnie przejdziesz do szczegółowych przewodników dotyczących konfigurowania danych, obliczeń i zasobów modelu. Materiał przepływa logicznie od początkowego zapewnienia zasobów do zarządzania aktywnymi eksperymentami uczenia maszynowego. Ten kurs jest przeznaczony dla początkujących naukowców zajmujących się danymi, inżynierów chmury i programistów, którzy są nowicjuszami w Azure Machine Learning. Nie jest wymagane wcześniejsze doświadczenie w chmurze, chociaż pomocne jest podstawowe zrozumienie pojęć uczenia maszynowego. Zacznij czytać już dziś, aby opanować podstawowe elementy uczenia maszynowego opartego na chmurze.