Episodio
Novedades de Azure Machine Learning
En este episodio trataremos una visión general rápida de las nuevas funcionalidades de Azure Machine Learning, como la interfaz visual para el aprendizaje automático de arrastrar y colocar y la interfaz de usuario de Machine Learning automatizado, así como nuestro enfoque de MLOps para la producción del aprendizaje automático desde el entrenamiento hasta la implementación. También resaltaremos rápidamente cómo preparar los datos mediante nuestra nueva integración con Azure Data Factory e incluso visualizar los resultados de las predicciones del modelo a través de nuestra integración con Power BI.
Más información:
[00:40]- Preparación de datos a través de la integración con Azure Data Factory
[01:53]: Búsqueda de nuevos datos para mejorar el entrenamiento del modelo con Azure Open DataSets
[03:00]: Arrastrar n colocar aprendizaje automático a través de la interfaz visual
[04:10]: Nueva interfaz de usuario de Azure Machine Learning Studio
[05:45]: Aprendizaje automático automatizado en Jupyter Notebook hospedado
[09:40]: Aprendizaje automático automatizado en la interfaz de usuario de Azure Machine Learning Studio
[10:20]: Generación de perfiles y exploración del conjunto de datos en la interfaz de usuario de Azure Machine Learning Studio
[11:11]: Entrenamiento del modelo de aprendizaje profundo de Tensorflow en Jupyter Notebook hospedado
[13:54]: Integración de Tensorboard
[14:20]: Barrido automatizado de hiperparámetros mediante Hyperdrive de Azure Machine Learning
[14:48]: Implementar fácilmente modelos para probar y producir entornos con la integración de Azure DevOps
[16:45]: Integración de modelos de ML implementados en Power BI
Vínculos favoritos de AI Show:
En este episodio trataremos una visión general rápida de las nuevas funcionalidades de Azure Machine Learning, como la interfaz visual para el aprendizaje automático de arrastrar y colocar y la interfaz de usuario de Machine Learning automatizado, así como nuestro enfoque de MLOps para la producción del aprendizaje automático desde el entrenamiento hasta la implementación. También resaltaremos rápidamente cómo preparar los datos mediante nuestra nueva integración con Azure Data Factory e incluso visualizar los resultados de las predicciones del modelo a través de nuestra integración con Power BI.
Más información:
[00:40]- Preparación de datos a través de la integración con Azure Data Factory
[01:53]: Búsqueda de nuevos datos para mejorar el entrenamiento del modelo con Azure Open DataSets
[03:00]: Arrastrar n colocar aprendizaje automático a través de la interfaz visual
[04:10]: Nueva interfaz de usuario de Azure Machine Learning Studio
[05:45]: Aprendizaje automático automatizado en Jupyter Notebook hospedado
[09:40]: Aprendizaje automático automatizado en la interfaz de usuario de Azure Machine Learning Studio
[10:20]: Generación de perfiles y exploración del conjunto de datos en la interfaz de usuario de Azure Machine Learning Studio
[11:11]: Entrenamiento del modelo de aprendizaje profundo de Tensorflow en Jupyter Notebook hospedado
[13:54]: Integración de Tensorboard
[14:20]: Barrido automatizado de hiperparámetros mediante Hyperdrive de Azure Machine Learning
[14:48]: Implementar fácilmente modelos para probar y producir entornos con la integración de Azure DevOps
[16:45]: Integración de modelos de ML implementados en Power BI
Vínculos favoritos de AI Show:
¿Quiere hacer algún comentario? Comunique un problema aquí.