Optimisation des hyperparamètres avec les jobs de balayage Azure Machine Learning

Trouver les bons hyperparamètres pour vos modèles de machine learning ressemble souvent à un jeu de devinettes, consommant un temps précieux et des ressources cloud. Ce cours textuel vous apprend à automatiser ce processus à l'aide des jobs de balayage Azure Machine Learning afin d'identifier méthodiquement les meilleures configurations. En suivant ce cours, vous passerez d'un réglage manuel par essais et erreurs à l'exécution d'expériences de recherche automatisées et évolutives dans le cloud. Vous apprendrez à définir des espaces de recherche, à choisir des méthodes d'échantillonnage et à mettre en œuvre des politiques d'arrêt précoce pour réduire les coûts tout en maximisant les performances des modèles. Ce que vous apprendrez : - Comprendre les concepts fondamentaux des hyperparamètres, notamment les espaces de recherche discrets et continus. - Configurer des jobs de balayage à l'aide du SDK Azure Machine Learning moderne pour automatiser l'optimisation des modèles. - Appliquer différentes méthodes d'échantillonnage telles que la recherche par grille, aléatoire et bayésienne pour explorer votre espace de paramètres. - Mettre en œuvre des politiques d'arrêt précoce pour interrompre les exécutions peu performantes et optimiser les budgets de calcul cloud. - Suivre et analyser les résultats des essais à l'aide de métriques intégrées et d'outils d'historique d'exécution. - Sélectionner et enregistrer automatiquement le modèle le plus performant pour un déploiement futur. En commençant par la terminologie clé et la configuration de l'espace de travail, vous progresserez dans la définition des espaces de recherche, la configuration des paramètres d'exécution et l'analyse des résultats de vos expériences de balayage. Chaque concept est renforcé par des explications écrites claires et des extraits de code. Ce cours est conçu pour les data scientists débutants et les passionnés de machine learning qui souhaitent faire évoluer leurs flux de travail d'entraînement dans le cloud. Aucune expérience préalable avec Azure Machine Learning n'est requise. Commencez à lire dès aujourd'hui pour automatiser l'optimisation de vos modèles et concevoir des pipelines de machine learning plus précis.