Dokumentace ke službě Azure Machine Learning

Naučte se trénovat a nasazovat modely a spravovat životní cyklus ML (MLOps) pomocí služby Azure Machine Learning. Kurzy, příklady kódu, odkazy na rozhraní API a další.

Přehled

Přehled

• Co je Azure Machine Learning?

Rychlý start k & nastavení

Rychlé zprovoznění

• Vytvoření prostředků
• Začínáme se službou Azure Machine Learning

Začněte se základy

Kurz

• Příprava a prozkoumání dat
• Vývoj na cloudové pracovní stanici
• Učení modelu
• Nasazení modelu
• Nastavení opakovaně použitelného kanálu

Práce s daty

Praktický průvodce

• Použití Apache Sparku ve službě Azure Machine Learning
• Vytváření datových prostředků
• Práce s tabulkami

Trénování modelů

Praktický průvodce

• Spuštění trénování pomocí rozhraní příkazového řádku, sady SDK nebo rozhraní REST API
• Ladění hyperparametrů pro trénování modelu
• Sestavování kanálů z opakovaně použitelných komponent
• Použití automatizovaného strojového učení ve Studiu
• Trénovat s R

Modely nasazení

Nasadit

• Zjednodušení nasazení modelu pomocí koncových bodů
• Bodování v reálném čase pomocí online koncových bodů
• Dávkové bodování s využitím koncových bodů služby Batch
• Nasazení modelů R

Správa životního cyklu ML (MLOps)

Praktický průvodce

• Sledování, monitorování a analýza trénovacích běhů
• Správa modelů, nasazení & monitorování

Zabezpečení pro projekty ML

Praktický průvodce

• Vytvoření zabezpečeného pracovního prostoru
• Připojení ke zdrojům dat
• Zásady správného řízení & zabezpečení podniku

Referenční dokumenty

Reference

• Python SDK (v2)
• ROZHRANÍ PŘÍKAZOVÉHO ŘÁDKU (v2)
• REST API
• Referenční informace k komponentě & algoritmů

Zdroje a prostředky

Reference

• Upgrade na verzi 2
• Příklady kódu sady Python SDK (v2)
• Příklady kódu rozhraní příkazového řádku (v2)
• Dokumentace ke službě ML Studio (classic)