Introducción al Espacio de Trabajo y los Activos de Azure Machine Learning

Configurar un entorno robusto es el primer y más crítico paso en cualquier proyecto de ciencia de datos. Azure Machine Learning proporciona un espacio de trabajo centralizado para administrar sus datos, recursos de cómputo y experimentos, pero navegar por sus activos principales puede resultar abrumador al principio. Este curso basado en texto lo guiará a través de la estructura fundamental de Azure Machine Learning. Comprenderá cómo organizar su trabajo, proteger sus datos y preparar la potencia de cómputo para entrenar y desplegar modelos, preparándolo para colaborar de manera efectiva en proyectos de IA basados en la nube. Lo que aprenderá: - Comprender la arquitectura central de un espacio de trabajo de Azure Machine Learning y sus componentes básicos - Configurar y administrar recursos de cómputo en la nube, incluidas instancias y clústeres de cómputo - Registrar y rastrear activos de datos, almacenes de datos y entornos para experimentos reproducibles - Rastrear métricas y parámetros de modelos utilizando patrones modernos de seguimiento integrados de MLflow - Organizar activos de canalización para automatizar flujos de trabajo de aprendizaje automático de extremo a extremo - Desplegar modelos entrenados en puntos de conexión en la nube para inferencia en tiempo real Comenzará explorando la terminología básica de aprendizaje automático en la nube y la configuración del espacio de trabajo antes de pasar a guías escritas paso a paso sobre la configuración de activos de datos, cómputo y modelos. El material fluye lógicamente desde el aprovisionamiento inicial de recursos hasta la gestión de experimentos de aprendizaje automático activos. Este curso está diseñado para aspirantes a científicos de datos, ingenieros en la nube y desarrolladores que son nuevos en Azure Machine Learning. No se requiere experiencia previa en la nube, aunque una comprensión básica de los conceptos de aprendizaje automático es útil. Comience a leer hoy mismo para dominar los componentes esenciales del aprendizaje automático basado en la nube.