Machine Learning pour les applications Python sur Azure

Les articles suivants vous aident à bien démarrer avec Azure Machine Apprentissage. Azure Machine Apprentissage API REST v2, l’extension Azure CLI et le SDK Python accélèrent le cycle de vie du Machine Learning de production. Les liens de cet article ciblent v2, ce qui est recommandé si vous démarrez un nouveau projet Machine Learning.

Mise en route

L’espace de travail est la ressource de niveau supérieur pour Azure Machine Learning. Il fournit un emplacement centralisé dans lequel exploiter tous les artefacts que vous créez lorsque vous utilisez Azure Machine Learning.

• Démarrage rapide : Bien démarrer avec Azure Machine Learning
• Gérer des espaces de travail Azure Machine Apprentissage dans le portail ou avec le Kit de développement logiciel (SDK) Python (v2)
• Exécuter des notebooks Jupyter dans votre espace de travail
• Tutoriel : Modéliser le développement sur une station de travail cloud

Déployer des modèles

Déployez des modèles Machine Learning pour l’inférence en temps réel.

• Tutoriel : Concepteur - Déployer un modèle Machine Learning
• Déployer et évaluer un modèle de Machine Learning à l’aide d’un point de terminaison en ligne

Machine learning automatisé

Le Machine Learning automatisé, également appelé ML automatisé ou AutoML, est le processus d’automatisation des tâches fastidieuses et itératives de développement de modèle Machine Learning.

• Entraîner un modèle de régression avec AutoML et Python (SDK v1)
• Configurer l’apprentissage AutoML pour les données tabulaires avec Azure Machine Apprentissage CLI et le KIT SDK Python (v2)

Accès aux données

Azure Machine Learning permet de récupérer des données d’une machine locale ou d’un stockage cloud existant.

• Créer et gérer des ressources de données
• Tutoriel : Charger, accéder et explorer vos données dans Azure Machine Apprentissage
• Accéder aux données dans un travail

Pipelines de Machine Learning

Utilisez des pipelines Machine Learning pour créer un flux de travail qui réunit différentes phases ML.

• Utiliser Azure Pipelines avec Azure Machine Apprentissage
• Créer et exécuter des pipelines Machine Learning à l’aide de composants avec le SDK Azure Machine Learning v2
• Tutoriel : Créer des pipelines ML de production avec le Kit de développement logiciel (SDK) Python v2 dans un notebook Jupyter