ضبط المعاملات الفائقة (Hyperparameter Tuning) باستخدام وظائف المسح (Sweep Jobs) في Azure Machine Learning

غالبًا ما يبدو العثور على المعاملات الفائقة المناسبة لنماذج machine learning الخاصة بك وكأنه ضرب من التخمين، مما يستهلك وقتًا ثمينًا وموارد سحابية. يعلمك هذا الدورة النصية كيفية أتمتة هذه العملية باستخدام وظائف المسح (sweep jobs) في Azure Machine Learning لتحديد أفضل التكوينات بشكل منهجي. من خلال إكمال هذه الدورة، ستنتقل من التعديل اليدوي القائم على التجربة والخطأ إلى تشغيل تجارب بحث مؤتمتة وقابلة للتوسع في السحابة. ستتعلم كيفية تعريف مساحات البحث، واختيار أساليب أخذ العينات (sampling methods)، وتطبيق سياسات الإنهاء المبكر لتوفير التكاليف مع رفع أداء النموذج إلى الحد الأقصى. ما ستتعلمه: - فهم مفاهيم المعاملات الفائقة الأساسية، بما في ذلك مساحات البحث المنفصلة مقابل المستمرة. - تهيئة وظائف المسح باستخدام Azure Machine Learning SDK الحديث لأتمتة تحسين النماذج. - تطبيق أساليب أخذ عينات مختلفة مثل البحث الشبكي (grid)، والعشوائي (random)، وبيز (Bayesian) لاستكشاف مساحة المعاملات الخاصة بك. - تنفيذ سياسات الإنهاء المبكر لإيقاف التشغيلات ضعيفة الأداء وتحسين ميزانيات الحوسبة السحابية. - تتبع وتحليل نتائج التجارب باستخدام مقاييس مدمجة وأدوات سجل التشغيل. - تحديد وتسجيل النموذج الأفضل أداءً تلقائيًا لنشره في المستقبل. بدءًا من المصطلحات الأساسية وإعداد مساحة العمل، ستتقدم عبر تعريف مساحات البحث، وتهيئة إعدادات التشغيل، وتحليل نتائج تجارب المسح الخاصة بك. يتم تعزيز كل مفهوم بشروحات كتابية واضحة ومقتطفات برمجية. تم تصميم هذه الدورة للمبتدئين في علوم البيانات والمتحمسين لـ machine learning الذين يرغبون في توسيع نطاق تدفقات عمل التدريب الخاصة بهم في السحابة. لا تتطلب أي خبرة سابقة في Azure Machine Learning. ابدأ القراءة اليوم لأتمتة تحسين النماذج وبناء أنابيب machine learning أكثر دقة.