Azure ML Foundations: Bereitstellen, Verwalten und Experimentieren mit Modellen

Der Übergang vom lokalen Training eines Modells zur Ausführung skalierbarer Workflows in der Cloud kann überwältigend sein. Dieser Kurs vereinfacht diesen Prozess, indem er Sie durch die Kernfunktionen von Azure Machine Learning führt. Sie erwerben die praktischen Fähigkeiten, die erforderlich sind, um Datensätze zu registrieren, cloudbasierte Experimente durchzuführen, Leistungsmetriken zu verfolgen und Ihre trainierten Modelle als zugängliche Webdienste bereitzustellen. Was Sie lernen werden: 1. Verstehen Sie die grundlegenden Azure ML-Konzepte, Ressourcengruppen und die Arbeitsbereichsarchitektur. 2. Konfigurieren Sie Recheninstanzen und Rechencluster für skalierbares Modelltraining. 3. Führen Sie mit dem Azure ML SDK und MLflow Experimente zum maschinellen Lernen aus und verfolgen Sie diese. 4. Registrieren, versionieren und verwalten Sie trainierte Modelle in der zentralen Modellregistrierung. 5. Stellen Sie Modelle als Echtzeit-Endpunkte bereit und testen Sie ihre Reaktionsfähigkeit. 6. Anwenden grundlegender MLOps-Verfahren zur Überwachung der Modellleistung. Der Kurs beginnt mit der grundlegenden Terminologie und der Einrichtung des Arbeitsbereichs und führt dann durch die praktische Konfiguration von Rechenressourcen, die Nachverfolgung von Experimenten und Strategien für die Modellbereitstellung. Dieser Kurs richtet sich an Anfänger im Bereich Cloud Machine Learning und Datenexperten, die ihre Workflows auf Azure umstellen möchten. Es ist keine vorherige Erfahrung im Bereich Cloud Engineering erforderlich. Starten Sie Ihre Reise in die Cloud für maschinelles Lernen und optimieren Sie noch heute Ihren Modelllebenszyklus.