Trénování a správa modelu strojového učení pomocí služby Azure Machine Learning
Pokud chcete vytrénovat model strojového učení pomocí služby Azure Machine Learning, musíte zpřístupnit data a nakonfigurovat potřebné výpočetní prostředky. Po trénování modelu a sledování metrik modelu pomocí MLflow se můžete rozhodnout nasadit model do online koncového bodu pro predikce v reálném čase. V tomto studijním programu se dozvíte, jak nastavit pracovní prostor Služby Azure Machine Learning, po kterém vytrénujete a spravujete model strojového učení.
Požadavky
Nic
Kód dosaženého cíle
Chcete požádat o kód cíle?
Moduly v tomto studijním programu
Přečtěte si, jak se připojit k datům z pracovního prostoru Azure Machine Learning. Seznámíte se s úložišti dat a datovými prostředky.
Naučte se pracovat s cílovými výpočetními objekty ve službě Azure Machine Learning. Cílové výpočetní objekty umožňují spouštět úlohy strojového učení. Prozkoumejte, jak a kdy můžete použít výpočetní instanci nebo výpočetní cluster.
Naučte se používat prostředí ve službě Azure Machine Learning ke spouštění skriptů v libovolném cílovém výpočetním objektu.
Zjistěte, jak převést kód na skript a spustit ho jako úlohu příkazu ve službě Azure Machine Learning.
Naučte se sledovat trénování modelů pomocí MLflow v úlohách při spouštění skriptů.
Naučte se protokolovat a registrovat model MLflow ve službě Azure Machine Learning.
Zjistěte, jak nasadit modely do spravovaného online koncového bodu pro odvozování v reálném čase.