Dokumentation om Azure Machine Learning

Lär dig hur du tränar och distribuerar modeller och hanterar ML-livscykeln (MLOps) med Azure Machine Learning. Självstudier, kodexempel, API-referenser med mera.

Översikt

Översikt

• Vad är Azure Machine Learning?
• Vad är ansvarsfull AI?

Konfiguration och snabbstart

Snabbstart

• Skapa resurser
• Kom igång med Azure Machine Learning

Börja med grunderna

Självstudie

• Förbereda och utforska data
• Utveckla på en molnarbetsstation
• Träna en modell
• Distribuera en modell
• Konfigurera en återanvändbar pipeline

Skapa AI-lösningar

Snabbstart

• Vad är Azure Machine Learning-promptflöde?
• Kom igång i promptflöde

Arbeta med data

Instruktioner

• Använda Apache Spark i Azure Machine Learning
• Skapa datatillgångar

Inlärningsmodeller

Instruktioner

• Köra träning med CLI, SDK eller REST API
• Skapa pipelines från återanvändbara komponenter

Distribuera modeller

Distribuera

• Effektivisera modelldistribution med slutpunkter
• Realtidsbedömning med onlineslutpunkter

Hantera ML-livscykeln (MLOps)

Instruktioner

• Spåra, övervaka, analysera träningskörningar
• Modellhantering, distribution och övervakning

Säkerhet för ML-projekt

Instruktioner

• Skapa en säker arbetsyta
• Anslut till datakällor
• Företagssäkerhet och styrning

Referensdokument

Referens

• Python SDK (v2)
• CLI (v2)
• REST-API
• Algoritm- och komponentreferens

Resurser

Referens

• Uppgradera till v2
• Kodexempel för Python SDK (v2)
• CLI-kodexempel (v2)