Introdução ao Espaço de Trabalho e Ativos do Azure Machine Learning

A configuração de um ambiente robusto é o primeiro e mais crítico passo em qualquer projeto de ciência de dados. O Azure Machine Learning fornece um espaço de trabalho centralizado para gerenciar seus dados, recursos de computação e experimentos, mas navegar em seus principais ativos pode parecer avassalador no início. Este curso baseado em texto orienta você pela estrutura fundamental do Azure Machine Learning. Você entenderá como organizar seu trabalho, proteger seus dados e preparar o poder de computação para treinar e implantar modelos, preparando-o para colaborar de forma eficaz em projetos de IA baseados em nuvem. O que você vai aprender: - Entenda a arquitetura central de um espaço de trabalho do Azure Machine Learning e seus componentes básicos - Configurar e gerenciar recursos de computação em nuvem, incluindo instâncias de compute e clusters - Registre e rastreie ativos de dados, datastores e ambientes para experimentos reproduzíveis - Rastreie métricas e parâmetros do modelo usando padrões de rastreamento MLflow integrados modernos - Organize ativos de pipeline para automatizar fluxos de trabalho de aprendizado de máquina de ponta a ponta - Implantar modelos treinados para endpoints de nuvem para inferência em tempo real Você começará explorando a terminologia básica de machine learning na nuvem e a configuração do espaço de trabalho antes de seguir para guias passo a passo escritos sobre a configurações de dados, computação e ativos de modelo. O material flui logicamente do provisionamento inicial de recursos para o gerenciamento de experimentos ativos de machine learning. Este curso foi projetado para aspirantes a cientistas de dados, engenheiros de nuvem e desenvolvedores que são novos no Azure Machine Learning. Não é necessária experiência anterior em nuvem, embora uma compreensão básica dos conceitos de machine learning seja útil. Comece a ler hoje mesmo para dominar os blocos de construção essenciais do machine learning baseado na nuvem.