Strojové učení
Strojové učení je podmnožinou umělé inteligence, která umožňuje počítačům detekovat vzory a učit se z dat, aniž by pro to byly výslovně naprogramované. Řešení Azure Machine Learning můžou vaše výpočetní přehledy posunout dál.
Azure vám poskytuje nejpokročilejší možnosti strojového učení. Rychle a snadno sestavujte, trénujte a nasazujte modely strojového učení pomocí služby Azure Machine Learning. Strojové učení AI lze použít pro jakýkoli druh strojového učení, od klasického po hluboké, učení pod dohledem i učení bez supervize. Bez ohledu na to, jestli dáváte přednost psaní kódu Python nebo R nebo používáte možnosti s nulovým nebo nízkým počtem kódu, jako je například návrhář, můžete vytvářet, trénovat a sledovat vysoce přesné modely strojového a hlubokého učení v pracovním prostoru strojového učení.
Můžete dokonce začít trénovat na místním počítači a pak škálovat na cloud. Služba také spolupracuje s oblíbenými opensourcovými opensourcovými nástroji pro hluboké učení a posilování, jako jsou PyTorch, TensorFlow, scikit-learn a Ray a RLlib.
Začněte s přehledem služby Azure Machine Learning, kde najdete kurz nastavení prvního experimentu strojového učení. Další informace o opensourcovém formátu modelu a modulu runtime pro strojové učení najdete v tématu Modul runtime ONNX.
Mezi běžné scénáře pro řešení strojového učení patří:
- Prediktivní údržba
- Řízení zásob
- Odhalování podvodů
- Prognózování poptávky
- Inteligentní doporučení
- Prognózování prodeje
Kontrolní seznam pro strojové učení
Začněte tím, že se nejdřív seznámíte se strojovým učením a pak zvolíte, se kterým prostředím začnete. Můžete postupovat podle pokynů k použití poznámkového bloku Jupyter s Pythonem, vizuálního prostředí pro přetahování myší nebo automatizovaného strojového učení (AutoML).
Experimentujte s pokročilejšími kurzy , které předpovídají poplatky za taxi, klasifikují obrázky a sestaví kanál pro dávkové bodování.
Projděte si videokurzy , ve kterých se dozvíte více o výhodách strojového učení, jako je vytváření modelu bez kódování, operace strojového učení (MLOps), modul RUNTIME ONNX, interpretovatelnost a transparentnost modelů a další.
- Co je nového ve službě Azure Machine Learning
- Použití Automatizovaného strojového učení k vytváření modelů
- Vytváření modelů s nulovým kódem pomocí návrháře služby Azure Machine Learning
- MLOps pro správu kompletního životního cyklu
- Začlenění modulu runtime ONNX do vašich modelů
- Interpretovatelnost a transparentnost modelu
- Vytváření modelů pomocí R
Projděte si referenční architektury pro řešení strojového učení AI.
Další kroky
Prozkoumejte další kategorie řešení AI:
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro