Podstawy MLOps: automatyzacja przepływów pracy za pomocą usługi Azure Machine Learning

Ręczne procesy uczenia maszynowego są podatne na błędy i trudne do skalowania. Przejście od lokalnych eksperymentów do zautomatyzowanych, powtarzalnych potoków jest kluczem do skutecznych operacji uczenia maszynowego (MLOps). Ten kurs tekstowy przeprowadzi Cię przez podstawowe pojęcia związane z zadaniami usługi Azure Machine Learning, pokazując, jak zautomatyzować procesy szkolenia, oceny i wdrażania. Dowiesz się, jak konfigurować środowiska chmurowe, śledzić eksperymenty i przekształcać kod ręczny w solidne, zautomatyzowane potoki. Czego się nauczysz: - Zrozum podstawowe zasady MLOps i rolę automatyzacji w cyklach życia uczenia maszynowego. - Skonfiguruj i prześlij zadania Azure Machine Learning przy użyciu nowoczesnych konwencji SDK. - Zautomatyzuj zadania szkolenia modelu i wstępnego przetwarzania danych, aby działały niezawodnie w chmurze. - Śledź i monitoruj wskaźniki eksperymentów, dzienniki i wyjścia, aby uzyskać lepszą powtarzalność. - Wdrażaj podstawową orkiestrację potoku, aby połączyć wiele kroków uczenia maszynowego. - Zastosuj najlepsze praktyki w zakresie bezpieczeństwa i środowiska dla zasobów obliczeniowych w chmurze. Kurs zaczyna się od podstawowej terminologii MLOps i podstawowych pojęć, zanim przejdziemy do krok po kroku pisemnych przewodników dotyczących pisania konfiguracji zadań i zarządzania środowiskami uruchomienia. Będziesz uczyć się praktycznych przykładów kodu i plików konfiguracyjnych zaprojektowanych, aby pomóc Ci zbudować swój pierwszy zautomatyzowany rurociąg. Ten kurs jest przeznaczony dla początkujących naukowców zajmujących się danymi, inżynierów oprogramowania i aspirujących profesjonalistów MLOps, którzy chcą zautomatyzować swoje przepływy pracy ML. Nie jest wymagane wcześniejsze doświadczenie z platformą Azure, chociaż pomocna jest podstawowa znajomość języka Python. Zacznij czytać już dziś, aby usprawnić procesy uczenia maszynowego za pomocą automatyzacji opartej na chmurze.