Treinar e gerenciar um modelo de machine learning com o Azure Machine Learning
Para treinar um modelo de machine learning com o Azure Machine Learning, você precisará disponibilizar dados e configurar a computação necessária. Após treinar seu modelo e acompanhar as métricas do modelo com o MLflow, você pode decidir implantar seu modelo em um ponto de extremidade online para previsões em tempo real. Ao longo deste roteiro de aprendizagem, você explorará como configurar o workspace do Azure Machine Learning e, após isso, treinará e gerenciará um modelo de machine learning.
Pré-requisitos
Nenhum
Código de Conquista
Gostaria de solicitar um código de conquista?
Módulos neste roteiro de aprendizagem
Saiba mais sobre como se conectar a dados do workspace do Azure Machine Learning. Você é apresentado a armazenamentos de dados e ativos de dados.
Saiba como trabalhar com destinos de computação no Azure Machine Learning. Os destinos de computação permitem que você execute suas cargas de trabalho de aprendizado de máquina. Saiba como e quando é possível usar uma instância de computação ou um cluster de computação.
Saiba como usar ambientes no Azure Machine Learning para executar scripts em qualquer destino de computação.
Saiba como converter seu código em um script e executá-lo como um trabalho de comando no Azure Machine Learning.
Saiba como acompanhar o treinamento de modelos com o MLflow em trabalhos ao executar scripts.
Saiba como registrar e documentar um modelo do MLflow no Azure Machine Learning.
Saiba como implantar modelos em um ponto de extremidade online gerenciado para inferência em tempo real.