Projektowanie i przygotowywanie rozwiązań Azure ML

Budowanie skutecznych modeli uczenia maszynowego wymaga solidnych podstaw w zakresie przygotowania danych, konfiguracji obszaru roboczego i projektowania potoku. Ten kurs tekstowy przeprowadzi Cię przez podstawowe kroki konfiguracji niezawodnych środowisk uczenia maszynowego na platformie Azure ML. Przejdziesz od podstawowych skryptów do analizy danych do ustrukturyzowanych, opartych na chmurze rozwiązań uczenia maszynowego. Poprzez zrozumienie, jak zarządzać zasobami obliczeniowymi, zabezpieczać zasoby danych i organizować zautomatyzowane potoki szkoleniowe, będziesz przygotowany do projektowania skalowalnych i powtarzalnych przepływów pracy. Czego się nauczysz: - Zrozum podstawową architekturę obszaru roboczego Azure ML i konfigurację zasobów - Przygotuj i zarządzaj bezpiecznymi zasobami danych w chmurze i magazynami danych - Zaprojektuj zautomatyzowane potoki uczenia maszynowego do szkolenia i oceny modelu - Skonfiguruj optymalne cele obliczeniowe dla obciążeń szkoleniowych i wdrożeniowych - Zastosuj podstawowe zasady MLOps do śledzenia modelu i kontroli wersji - Wdrażaj nowoczesne strategie przygotowywania danych przy użyciu skalowalnych praktyk ram danych Kurs zaczyna się od podstawowych pojęć uczenia maszynowego w chmurze i konfiguracji środowiska, zanim przeprowadzi Cię przez pobieranie danych, projektowanie potoków i zarządzanie rejestrem modeli. Nauczysz się poprzez jasne wyjaśnienia tekstowe, uporządkowane przykłady konfiguracji i koncepcyjne przewodniki. Ten kurs, przeznaczony dla początkujących naukowców zajmujących się danymi, inżynierów chmury i programistów, którzy nie znają platformy Azure ML, nie wymaga wcześniejszego doświadczenia w uczeniu maszynowym w chmurze. Zacznij czytać już dziś, aby zbudować silne podstawy w projektowaniu uczenia maszynowego opartego na chmurze.