Azure Machine Learning: Erstellen und Bereitstellen Ihres ersten Projekts

Der Übergang von lokalen Machine-Learning-Experimenten zu skalierbaren Cloud-Bereitstellungen kann überwältigend sein. Dieser textbasierte Kurs führt Sie Schritt für Schritt durch den Prozess der Erstellung, Verwaltung und Veröffentlichung von Machine Learning-Workflows in der Cloud. Sie werden vom Schreiben einfacher lokaler Skripte zum Verwalten von Machine-Learning-Projekten mit vollem Lebenszyklus in Azure übergehen. Durch die Erforschung von Kernkonzepten und das Üben mit schriftlichen Durchläufen gewinnen Sie das Vertrauen, Cloud-Umgebungen zu konfigurieren, Datensätze zu registrieren, Modelle zu trainieren und sie als produktionsbereite Endpunkte bereitzustellen. Was Sie lernen: Grundlegende Konzepte und Terminologie für maschinelles Lernen in der Cloud verstehen; Azure Machine Learning-Arbeitsbereiche, -Recheninstanzen und -Umgebungen konfigurieren; Datenressourcen verwalten und Datensätze für reproduzierbare Trainingsläufe registrieren; Machine Learning Modelle mit moderner MLflow-Integration trainieren und verfolgen; Trainierte Modelle als Wenden Sie grundlegende MLOps-Verfahren an, um Ihre Cloud-Bereitstellungen zu überwachen und zu aktualisieren. Der Kurs beginnt mit der grundlegenden Terminologie und der Einrichtung des Arbeitsbereichs, bevor die Datenvorbereitung, das Modelltraining und die Bereitstellungsstrategien behandelt werden. Sie lesen detaillierte Erklärungen und studieren strukturierte Code-Snippets, die die Cloud-Architektur leicht verständlich machen. Dieser Kurs richtet sich an angehende Datenwissenschaftler, Entwickler und Anfänger, die Cloud-basiertes maschinelles Lernen erlernen möchten. Es sind keine Vorkenntnisse mit Cloud-Plattformen erforderlich, aber ein grundlegendes Verständnis von Python ist hilfreich. Lesen Sie noch heute weiter, um Ihr erstes cloudbasiertes Machine-Learning-Projekt zu erstellen und zu veröffentlichen.