Bản mẫu:Các máy tính Atari

Các luồng công việc học máy thủ công dễ mắc lỗi và khó đo lường. Chuyển đổi từ thử nghiệm địa phương sang các đường ống tự động, lặp lại là chìa khóa cho các hoạt động học máy thành công (MLOps). Lớp học dựa trên văn bản này hướng dẫn bạn qua các khái niệm cơ bản của các công việc Azure Machine Learning, cho bạn thấy cách tự động hóa quá trình đào tạo, đánh giá và triển khai. Bạn sẽ học cách cấu hình môi trường đám mây, theo dõi các thí nghiệm, và chuyển đổi mã thủ công của bạn thành các đường ống tự động mạnh mẽ. Bạn sẽ học được: - Hiểu các nguyên tắc cốt lõi của MLOps và vai trò của tự động hóa trong chu kỳ học máy. - Cấu hình và gửi công việc Azure Machine Learning bằng cách sử dụng quy ước SDK hiện đại. - Tự động hóa các nhiệm vụ đào tạo mô hình và xử lý trước dữ liệu để chạy đáng tin cậy trong đám mây. - Theo dõi và giám sát thử nghiệm, log và kết quả để tái tạo tốt hơn. - Thực hiện dàn dựng đường ống cơ bản để kết nối nhiều bước học máy. - Ứng dụng các thực tiễn an ninh và môi trường tốt nhất cho các nguồn lực tính toán dựa trên đám mây. Chương trình bắt đầu với thuật ngữ MLOps thiết yếu và các khái niệm cơ bản trước khi chuyển sang hướng dẫn viết từng bước về việc viết cấu hình công việc và quản lý môi trường chạy. Bạn sẽ học các ví dụ mã thực tế và các tập tin cấu hình được thiết kế để giúp bạn xây dựng đường ống tự động đầu tiên của bạn. Lớp học này được thiết kế cho các nhà khoa học dữ liệu, kỹ sư phần mềm và các chuyên gia MLOps tham vọng muốn tự động hóa các luồng công việc ML của họ. Không cần kinh nghiệm trước với Azure, mặc dù một hiểu biết cơ bản về Python là hữu ích. Bắt đầu đọc hôm nay để tối ưu hóa các quy trình học máy của bạn với tự động hóa dựa trên đám mây.