Pipelines de Machine Learning do Azure: Criando fluxos de trabalho de ponta a ponta

A expansão de modelos de machine learning de experimentos locais para a produção requer fluxos de trabalho robustos e automatizados. Este curso baseado em texto orienta você pelo processo de estruturação, execução e gerenciamento de pipelines de machine learning de ponta a ponta na plataforma Azure. Você aprenderá a fazer a transição de scripts manuais para pipelines automatizados e repetíveis. Ao estudar nossos guias escritos passo a passo e analisar exemplos de configuração do mundo real, você obterá as habilidades para criar trabalhos sequenciais e paralelos, gerenciar conjuntos de dados e implantar modelos com eficiência. O que você vai aprender: - Entenda os conceitos fundamentais de MLOps em nuvem e a arquitetura do espaço de trabalho do Azure Machine Learning. - Configure dependências de ambiente e compute alvos usando a CLI do Azure. - Crie etapas sequenciais do pipeline para automatizar a preparação, o treinamento e a avaliação de dados. - Projete trabalhos paralelos para processar conjuntos de dados em grande escala e otimizar o tempo de treinamento. - Registre e acompanhe modelos usando o registro moderno do Azure ML e práticas de controle de versão. - Monitore as execuções de pipeline e solucione erros comuns de execução por meio da análise de log. O curso começa com a terminologia essencial e a configuração do espaço de trabalho antes de orientá-lo através de definições de pipeline baseadas em YAML e comandos CLI. Você progredirá de fluxos de trabalho simples de duas etapas para pipelines complexos e paralelizados prontos para produção. Este curso foi projetado para aspirantes a engenheiros de ML, cientistas de dados e entusiastas da nuvem que são novos no Azure Machine Learning. Não é necessária experiência prévia em engenharia de nuvem, embora uma compreensão básica do Python seja útil. Comece a criar fluxos de trabalho na nuvem estruturados e escaláveis hoje mesmo.