Treinar e gerenciar um modelo de aprendizado de máquina com o Azure Machine Learning
Para treinar um modelo de aprendizado de máquina com o Azure Machine Learning, você precisa disponibilizar dados e configurar a computação necessária. Depois de treinar seu modelo e acompanhar as métricas do modelo com o MLflow, você pode decidir implantar seu modelo em um endpoint online para previsões em tempo real. Ao longo deste caminho de aprendizagem, você explora como configurar seu espaço de trabalho do Azure Machine Learning, após o qual treina e gerencia um modelo de aprendizado de máquina.
Pré-requisitos
Nenhuma
Código de Feito
Pretende pedir um código de feito?
Módulos neste percurso de aprendizagem
Saiba como se conectar a dados do espaço de trabalho 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. Explore como e quando você pode usar uma instância de computação ou um cluster de computação.
Saiba como usar ambientes no Aprendizado de Máquina do Azure 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 Aprendizado de Máquina do Azure.
Saiba como acompanhar o treinamento de modelos com MLflow em trabalhos ao executar scripts.
Saiba como registrar e registrar um modelo MLflow no Azure Machine Learning.
Saiba como implantar modelos em um endpoint online gerenciado para inferência em tempo real.