Pipelines bouwen en automatiseren in Azure Machine Learning

Het schalen van machine learning-projecten vereist dat je verder gaat dan handmatig experimenteren en overstapt op robuuste, geautomatiseerde workflows. Deze tekstgebaseerde cursus leidt u door het proces van het structureren, uitvoeren en plannen van machine learning-pijplijnen met Azure Machine Learning. Door het lezen van duidelijke, stapsgewijze uitleg en het bestuderen van praktische configuratievoorbeelden, zult u overgaan van het uitvoeren van geïsoleerde scripts naar het implementeren van volledig geautomatiseerde, herhaalbare ML-pijplijnen. U krijgt het vertrouwen om componenten te structureren, gegevensactiva te beheren en uw pijplijnruns efficiënt bij te houden. Wat je leert: - Begrijp de fundamentele pijplijnconcepten en de architectuur van Azure Machine Learning. - Maak herbruikbare pijplijncomponenten om uw gegevensvoorbereiding en trainingscode te modulariseren. - Bouw en voer end-to-end pijpleidingen uit met behulp van de SDK- en YAML-configuraties. - Plan pijplijnruns om modelhertraining te automatiseren op basis van tijd of gegevenswijzigingen. - Volg en controleer pijpleidingstaken met behulp van geïntegreerde MLflow-logging. - Pas best practices toe voor het beheren van omgevingsafhankelijkheden en bereken doelen veilig. De cursus begint met essentiële terminologie en ontwerppatronen voordat u door het maken van componenten, het assembleren van pijpleidingen en geautomatiseerde planning gaat. Je oefent door het analyseren van gestructureerde code templates en configuratiebestanden. Deze cursus is bedoeld voor datawetenschappers, ML-technici en ontwikkelaars die nog niet bekend zijn met Azure Machine Learning-pijpleidingen. Ervaring met cloud engineering is niet vereist, maar een basiskennis van Python is handig. Begin vandaag nog met lezen om uw machine learning-workflows te stroomlijnen en te automatiseren.