Uczenie maszynowe dla aplikacji języka Python na platformie Azure

Poniższe artykuły ułatwiają rozpoczęcie pracy z usługą Azure Machine Edukacja. Interfejsy API REST usługi Azure Machine Edukacja w wersji 2, rozszerzenie interfejsu wiersza polecenia platformy Azure i zestaw SDK języka Python przyspieszają cykl życia uczenia maszynowego w środowisku produkcyjnym. Linki w tym artykule dotyczą wersji 2, która jest zalecana, jeśli rozpoczynasz nowy projekt uczenia maszynowego.

Wprowadzenie

Obszar roboczy jest zasobem najwyższego poziomu dla usługi Azure Machine Learning, który udostępnia scentralizowane miejsce do pracy z wszystkimi tworzonymi podczas korzystania usługi Azure Machine Learning artefaktami.

• Szybki start: rozpoczynanie pracy z usługą Azure Machine Edukacja
• Zarządzanie obszarami roboczymi usługi Azure Machine Edukacja w portalu lub przy użyciu zestawu SDK języka Python (wersja 2)
• Uruchamianie notesów Jupyter w obszarze roboczym
• Samouczek: tworzenie modeli na stacji roboczej w chmurze

Wdrażanie modeli

Wdrażanie modeli uczenia maszynowego na potrzeby wnioskowania w czasie rzeczywistym.

• Samouczek: Projektant — wdrażanie modelu uczenia maszynowego
• Wdrażanie i ocenianie modelu uczenia maszynowego przy użyciu punktu końcowego online

Zautomatyzowane uczenie maszynowe

Zautomatyzowane uczenie maszynowe, nazywane również zautomatyzowanym uczeniem maszynowym lub rozwiązaniem AutoML, to proces automatyzowania czasochłonnych, iteracyjnych zadań tworzenia modelu uczenia maszynowego.

• Trenowanie modelu regresji przy użyciu rozwiązania AutoML i języka Python (zestaw SDK w wersji 1)
• Konfigurowanie trenowania automatycznego uczenia maszynowego dla danych tabelarycznych przy użyciu interfejsu wiersza polecenia usługi Azure Machine Edukacja i zestawu PYTHON SDK (wersja 2)

Dostęp do danych

Usługa Azure Machine Edukacja umożliwia przenoszenie danych z komputera lokalnego lub istniejącego magazynu w chmurze.

• Tworzenie zasobów danych i zarządzanie nimi
• Samouczek: przekazywanie i uzyskiwanie dostępu do danych w usłudze Azure Machine Edukacja
• Uzyskiwanie dostępu do danych w zadaniu

Potoki uczenia maszynowego

Użyj potoków uczenia maszynowego, aby utworzyć przepływ pracy, który łączy różne fazy uczenia maszynowego.

• Używanie usługi Azure Pipelines z usługą Azure Machine Edukacja
• Tworzenie i uruchamianie potoków uczenia maszynowego przy użyciu składników przy użyciu zestawu Azure Machine Edukacja SDK w wersji 2
• Samouczek: tworzenie potoków uczenia maszynowego w środowisku produkcyjnym przy użyciu zestawu Python SDK w wersji 2 w notesie Jupyter