Treinar modelos no espaço de trabalho
Para treinar modelos com o espaço de trabalho do Azure Machine Learning, você tem várias opções:
- Use o aprendizado de máquina automatizado.
- Execute um bloco de anotações Jupyter.
- Execute um script como um trabalho.
Explore algoritmos e valores de hiperparâmetros com o Automated Machine Learning
Quando você tem um conjunto de dados de treinamento e tem a tarefa de encontrar o modelo de melhor desempenho, convém experimentar vários algoritmos e valores de hiperparâmetros.
Experimentar manualmente diferentes configurações para treinar um modelo pode levar muito tempo. Como alternativa, você pode usar o Aprendizado de Máquina Automatizado para acelerar o processo.
O Machine Learning automatizado itera por meio de algoritmos emparelhados com seleções de recursos para encontrar o modelo de melhor desempenho para seus dados.
Executar um bloco de notas
Quando preferir desenvolver executando código em blocos de anotações, você pode usar o recurso de bloco de anotações interno no espaço de trabalho.
A página Blocos de anotações no estúdio permite que você edite e execute blocos de anotações Jupyter.
Todos os arquivos clonados ou criados na seção de blocos de anotações são armazenados no compartilhamento de arquivos da conta de Armazenamento do Azure criada com o espaço de trabalho.
Para executar blocos de anotações, use uma instância de computação, pois eles são ideais para desenvolvimento e funcionam de forma semelhante a uma máquina virtual.
Você também pode optar por editar e executar blocos de anotações no Visual Studio Code, enquanto ainda usa uma instância de computação para executar os blocos de anotações.
Executar um script como um trabalho
Quando você quiser preparar seu código para estar pronto para produção, é melhor usar scripts. Você pode facilmente automatizar a execução de scripts 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 espaço de trabalho, todas as entradas e saídas são armazenadas no espaço de trabalho.
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 hiperparâmetros ao executar um único script.
- Pipeline: execute um pipeline que consiste em vários scripts ou componentes.
Nota
Quando você envia um pipeline criado com o designer, ele será executado como um trabalho de pipeline. Quando você envia um experimento de Aprendizado de Máquina Automatizado, ele também será executado como um trabalho.