MLflow-modelbeheer in Azure Machine Learning

Het overbruggen van de kloof tussen het trainen van machine learning-modellen en het beheren ervan in productie kan een uitdaging zijn zonder een gestructureerd register. Deze tekstgebaseerde cursus leidt u door het proces van het gebruik van MLflow binnen Azure Machine Learning om uw modellevenscycli efficiënt te loggen, registreren en beheren. U krijgt een praktisch inzicht in hoe u modellen kunt overzetten van lokale trainingsruns naar cloud-managed assets. Wat je leert: - Begrijp de fundamentele modelregisterconcepten en de rol van MLflow in moderne MLOps. - Configureer Azure Machine Learning-werkruimten om MLflow-experimenten bij te houden. - Registreer getrainde MLflow-modellen met versiebeheer en aangepaste metadata. - Beheer modelomgevingen en afhankelijkheden met behulp van reproduceerbare verpakkingsnormen. - Bereid geregistreerde modellen voor op implementatie op cloud-eindpunten. U begint met kerndefinities van levenscycli van machine learning en bijhouden van terminologie voordat u stapsgewijze schriftelijke uitleg, codefragmenten en configuratievoorbeelden voor bijhouden en implementeren gaat gebruiken. Deze cursus is bedoeld voor beginnende datawetenschappers en machine learning-ingenieurs die hun modelworkflows willen organiseren, waarvoor alleen basiskennis van Python vereist is. Begin vandaag nog met het organiseren van uw machine learning-modellen.