Effectuer l'apprentissage et gérer un modèle Machine Learning avec Azure Machine Learning
Pour effectuer l'apprentissage d’un modèle Machine Learning avec Azure Machine Learning, vous devez assurer que les données soient disponibles et configurer le calcul nécessaire. Après avoir effectué l'apprentissage de votre modèle et fait le suivi des métriques de modèle avec MLflow, vous pouvez décider de déployer votre modèle sur un point de terminaison en ligne pour les prédictions en temps réel. Ce parcours d’apprentissage vous permet de découvrir comment configurer votre espace de travail Azure Machine Learning, après quoi vous pourrez entraîner et gérer un modèle Machine Learning.
Prérequis
Aucun
Code de réussite
Souhaitez-vous demander un code de réussite ?
Modules de ce parcours d’apprentissage
Découvrez comment vous connecter aux données à partir de l’espace de travail Azure Machine Learning. Vous allez découvrir les magasins de données et les ressources de données.
Découvrez comment utiliser des cibles de calcul dans Azure Machine Learning. Les cibles de calcul vous permettent d’exécuter vos charges de travail Machine Learning. Découvrez comment et quand vous pouvez utiliser une instance de calcul ou un cluster de calcul.
Découvrez comment utiliser des environnements dans Azure Machine Learning pour exécuter des scripts sur n’importe quelle cible de calcul.
Découvrez comment convertir votre code en script et comment l’exécuter en tant que tâche de commande dans Azure Machine Learning.
Découvrez comment suivre la formation du modèle avec MLflow dans les travaux lors de l’exécution de scripts.
Découvrez comment journaliser et inscrire un modèle MLflow dans Azure Machine Learning.
Découvrez comment déployer des modèles sur un point de terminaison en ligne managé pour l’inférence en temps réel.