Treinar modelos no workspace
Existem várias opções para treinar modelos com o workspace do Azure Machine Learning:
- Use o Machine Learning Automatizado.
- Execute um notebook Jupyter.
- Execute um script como um trabalho.
Explorar algoritmos e valores de hiperparâmetro com o Machine Learning Automatizado
Quando você tem um conjunto de dados de treinamento e precisa encontrar o modelo de melhor desempenho, talvez queira experimentar vários algoritmos e valores de hiperparâmetro.
Experimentar manualmente as diferentes configurações para treinar um modelo pode levar muito tempo. Como alternativa, você pode usar o Machine Learning Automatizado para acelerar o processo.
O Machine Learning automatizado itera por meio de algoritmos emparelhados com recursos selecionados para encontrar o modelo com melhor desempenho para seus dados.
Executar um notebook
Ao preferir desenvolver executando códigos em notebooks, você pode usar o recurso do notebook interno no workspace.
A página Notebooks no estúdio permite editar e executar notebooks Jupyter.
Todos os arquivos que você clona ou cria na seção notebooks são armazenados no compartilhamento de arquivos da conta de Armazenamento do Microsoft Azure criada com o workspace.
Para executar notebooks, você usa uma instância de computação, pois elas são ideais para desenvolvimento e funcionam de forma semelhante a uma máquina virtual.
Você também pode optar por editar e executar notebooks em Visual Studio Code, enquanto ainda usa uma instância de computação, para executar os notebooks.
Executar um script como um trabalho
Para preparar seu código para estar pronto para produção, o melhor é usar scripts. Você pode automatizar facilmente a execução de script para automatizar qualquer carga de trabalho de aprendizado de máquina.
Você pode executar um script como um trabalho no Azure Machine Learning. Quando você envia um trabalho para o workspace, todas as entradas e saídas são armazenadas no workspace.
Existem diferentes tipos de trabalhos, dependendo de como você deseja executar uma carga de trabalho:
- Comando: execute um único script.
- Varredura: execute o ajuste de hiperparâmetro ao executar um único script.
- Pipeline: execute um pipeline, que consiste em vários scripts ou componentes.
Observação
Quando você envia um pipeline criado com o designer, ele será executado como um trabalho de pipeline. Quando você envia um experimento de Machine Learning Automatizado, ele também é executado como um trabalho.