Начало работы с рабочей зоной и активами Azure Machine Learning

Создание надежной среды является первым и самым важным шагом в любом проекте науки данных. Лазурное машинное обучение обеспечивает централизованное рабочее пространство для того чтобы управлять вашими данными, вычислите ресурсы, и эксперименты, но проходя свои активы ядра может чувствовать подавляющим в начале. Этот текст-основанный курс направляет вас через фундаментальную структуру лазурного машинного обучения. Вы узнаете, как организовать работу, защитить данные и подготовить вычислительную мощность для обучения и развертывания моделей, что позволит вам эффективно сотрудничать в облачных проектах ИИ. Что вы узнаете: - Понять основную архитектуру рабочего пространства Azure Machine Learning и его основных компонентов - Настраивать и управлять ресурсами облачных вычислений, включая вычислительные экземпляры и кластеры - Регистрация и отслеживание данных, хранилищ данных и сред для воспроизводимых экспериментов - Отслеживание метрик и параметров модели с использованием современных интегрированных шаблонов отслеживания MLflow - Организуйте активы конвейера для автоматизации сквозных рабочих процессов машинного обучения - Развертывание обученных моделей на конечных точках облака для вывода в реальном времени Вы начнете с изучения основных терминов облачного машинного обучения и настройки рабочего пространства, а затем перейдете к пошаговым письменным руководствам по настройке данных, вычислений и моделей. Материал логически следует от первоначального предоставления ресурсов до управления активными экспериментами машинного обучения. Этот курс предназначен для начинающих ученых данных, инженеров облака и разработчиков, которые впервые используют Azure Machine Learning. Не требуется предыдущий опыт работы в облаке, хотя полезно иметь базовое понимание концепций машинного обучения. Начните читать уже сегодня, чтобы освоить основные компоненты облачного машинного обучения.