Fondamentaux d'Azure ML : Déploiement, gestion et expérimentation de modèles

Passer de l'entraînement d'un modèle localement à l'exécution de flux de travail évolutifs dans le cloud peut sembler décourageant. Ce cours simplifie ce processus en vous guidant à travers les fonctionnalités principales d'Azure Machine Learning. Vous acquerrez les compétences pratiques nécessaires pour enregistrer des jeux de données, exécuter des expériences basées sur le cloud, suivre les métriques de performance et déployer vos modèles entraînés en tant que services web accessibles. Ce que vous apprendrez : 1. Comprendre les concepts fondamentaux d'Azure ML, les groupes de ressources et l'architecture de l'espace de travail. 2. Configurer des instances de calcul et des clusters de calcul pour l'entraînement de modèles évolutifs. 3. Exécuter et suivre des expériences d'apprentissage automatique à l'aide du SDK Azure ML et de MLflow. 4. Enregistrer, versionner et gérer les modèles entraînés dans le registre central des modèles. 5. Déployer des modèles en tant que points de terminaison en temps réel et tester leur réactivité. 6. Appliquer des pratiques MLOps de base pour surveiller les performances du modèle. Le cours commence par la terminologie essentielle et la configuration de l'espace de travail, puis progresse à travers la configuration pratique des ressources de calcul, le suivi des expériences et les stratégies de déploiement de modèles. Ce cours est conçu pour les débutants en apprentissage automatique dans le cloud et les professionnels des données cherchant à transférer leurs flux de travail vers Azure. Aucune expérience préalable en ingénierie cloud n'est requise. Commencez votre parcours d'apprentissage automatique dans le cloud et rationalisez votre cycle de vie de modèle dès aujourd'hui.