Inleiding
Stel dat u een data scientist bent voor een bedrijf dat een toepassing ontwikkelt voor een onderzoeklab voor kanker. De toepassing moet worden gebruikt door onderzoekers die een afbeelding van weefsel uploaden om te bepalen of het gezond weefsel is. U wordt gevraagd om het model te trainen voor het detecteren van borstkanker op een grote afbeeldingsdatabase die voorbeelden bevat van gezond en beschadigd weefsel
U bent bekend met Jupyter-notebooks, die u van plan bent om het model te ontwikkelen. U wilt het model echter regelmatig opnieuw trainen om een beter presterend model te maken dat vervolgens moet worden geïmplementeerd, zodat onderzoekers het model kunnen gebruiken in de toepassing die ze gebruiken.
U leert hoe u modeltraining kunt bijhouden in notebooks met MLflow in Azure Machine Learning.
Leerdoelen
In deze module wordt het volgende behandeld:
- MLflow configureren voor gebruik in notebooks
- MLflow gebruiken voor modeltracking in notebooks