Entraîner et suivre les modèles de Machine Learning avec MLflow dans Fabric

La gestion des expériences de Machine Learning peut rapidement devenir chaotique sans un moyen systématique de suivre les paramètres, les métriques et les modèles. Ce cours vous apprend à mettre de l'ordre dans votre flux de travail de science des données en exploitant MLflow dans l'environnement Fabric. Vous passerez du suivi manuel à un flux de travail automatisé et reproductible, en apprenant à enregistrer des exécutions, à comparer les performances des modèles et à enregistrer vos meilleurs modèles. Ce que vous apprendrez : 1. Comprendre les concepts fondamentaux du suivi du Machine Learning et l'architecture MLflow. 2. Configurer les notebooks Fabric pour enregistrer les paramètres, les métriques et les artefacts. 3. Entraîner des modèles de Machine Learning et suivre leurs performances. 4. Comparer plusieurs exécutions d'expériences pour identifier les configurations les plus performantes. 5. Enregistrer et versionner vos modèles entraînés dans l'espace de travail Fabric. 6. Appliquer des pratiques de codage propres pour garantir des expériences reproductibles. Le cours commence par la terminologie essentielle et la configuration, vous guidant à travers les concepts de suivi de base avant de passer aux exemples de notebooks et à l'enregistrement des modèles. Vous apprendrez par des explications écrites, des extraits de code clairs et des scénarios pratiques. Ce cours est conçu pour les débutants, les aspirants scientifiques des données et les développeurs qui découvrent MLflow ou Fabric, sans expérience préalable en suivi d'expériences requise. Commencez à organiser vos expériences de Machine Learning et construisez une base solide en MLOps dès aujourd'hui.