Maskininlärning för Python-appar i Azure
Följande artiklar hjälper dig att komma igång med Azure Machine Learning. Rest-API:er för Azure Machine Learning v2, Azure CLI-tillägget och Python SDK påskyndar maskininlärningslivscykeln för produktion. Länkarna i den här artikeln riktar sig till v2, vilket rekommenderas om du startar ett nytt maskininlärningsprojekt.
Komma igång
Arbetsytan är resursen på den översta nivån i Azure Machine Learning, och är en central plats där du kan arbeta med alla artefakter du skapar när du använder Azure Machine Learning.
- Snabbstart: Kom igång med Azure Machine Learning
- Hantera Azure Machine Learning-arbetsytor i portalen eller med Python SDK (v2)
- Köra Jupyter-notebook-filer på din arbetsyta
- Självstudie: Modellutveckling på en molnarbetsstation
Distribuera modeller
Distribuera maskininlärningsmodeller för slutsatsdragning i realtid.
- Självstudie: Designer – distribuera en maskininlärningsmodell
- Distribuera och poängsätta en maskininlärningsmodell med hjälp av en onlineslutpunkt
Automatiserad maskininlärning
Automatiserad maskininlärning, även kallad automatiserad ML eller AutoML, är processen att automatisera de tidskrävande, iterativa uppgifterna för utveckling av maskininlärningsmodeller.
- Träna en regressionsmodell med AutoML och Python (SDK v1)
- Konfigurera AutoML-träning för tabelldata med Azure Machine Learning CLI och Python SDK (v2)
Dataåtkomst
Med Azure Machine Learning kan du hämta data från en lokal dator eller en befintlig molnbaserad lagring.
- Skapa och hantera datatillgångar
- Självstudie: Ladda upp, komma åt och utforska dina data i Azure Machine Learning
- Komma åt data i ett jobb
Pipelines för maskininlärning
Använd maskininlärningspipelines för att skapa ett arbetsflöde som sammanfogar olika ML-faser.