Azure Machine Learning'de Hesaplama Hedeflerini Yapılandırma

Makine öğrenimi iş yüklerini bulutta çalıştırmak, ham işlem gücünü nasıl ayıracağınız ve yöneteceğiniz konusunda sağlam bir anlayış gerektirir. Farklı yürütme ortamlarını ne zaman ve nasıl dağıtacağınızı bilmek, uygun maliyetli ve ölçeklenebilir veri bilimi işlem hatları oluşturmanın anahtarıdır. Bu yazılı kurs, Azure Machine Learning içinde hesaplama hedeflerini ayarlama, yapılandırma ve yönetme sürecinde size rehberlik eder. Manuel yerel yürütmeden, özel eğitim ve dağıtım ihtiyaçlarınıza göre uyarlanmış ölçeklenebilir bulut kaynaklarını düzenlemeye geçeceksiniz. Öğrenecekleriniz: * Bulut tabanlı makine öğrenimi hesaplamasının temel terminolojisini ve mimarisini anlayın; * Etkileşimli geliştirme ve keşif veri analizi için hesaplama örneklerini yapılandırın; * Büyük ölçekli eğitim işlerini ve paralel işlemeyi işlemek için ölçeklenebilir hesaplama kümeleri kurun; * Kaynak ayırmayı optimize etmek ve bütçe aşımlarını önlemek için modern maliyet yönetimi stratejileri uygulayın; * İş yükü gereksinimlerinize göre sunucusuz seçenekler de dahil olmak üzere uygun hesaplama türünü seçin; * Yaygın yürütme hatalarını giderin ve hesaplama performansı metriklerini izleyin. Kurs, bulut altyapısının temel tanımları ve temel kavramlarıyla başlayarak, örnekleri ayarlama, kümeleri ölçeklendirme ve bütçe dostu otomasyon uygulama adımlarıyla ilerler. Anında uygulama için tasarlanmış ayrıntılı açıklamaları okuyacak ve pratik yapılandırma örneklerini inceleyeceksiniz. Bu kurs, Azure Machine Learning'e yeni başlayan ve bulut kaynak sağlama konusunu anlamak isteyen başlangıç düzeyindeki veri bilimcileri, bulut mühendisleri ve geliştiriciler için tasarlanmıştır. Önceden bulut altyapısı deneyimi gerekmez. Bugün bulut makine öğrenimi temelini oluşturmaya başlayın.