Entwicklung von Machine Learning-Lösungen mit Azure

Der Übergang vom Schreiben von lokalem Machine-Learning-Code zum Entwerfen von Lösungen auf Unternehmensniveau erfordert einen strukturierten Ansatz für Cloud-Ressourcen, Datenpipelines und Modellbereitstellung. Dieser textbasierte Kurs führt Sie durch die grundlegenden Prinzipien der Architektur skalierbarer Machine Learning-Systeme mit Azure Machine Learning. Sie lernen, wie Sie den Lebenszyklus von Machine-Learning-Modellen mit cloudbasierten Workflows entwerfen, trainieren und verwalten. Was Sie lernen: Verstehen der Kernkonzepte des maschinellen Lernens in der Cloud und der Azure Machine Learning-Architektur; Konfigurieren von sicherem Datenspeicher, Rechenzielen und Arbeitsbereichen für die kollaborative Entwicklung; Entwerfen automatisierter Trainingspipelines und effizientes Verwalten von Experimenten; Bereitstellen trainierter Modelle in Produktionsumgebungen für Echtzeit- und Batch-Anwendungen Anwenden moderner MLOps-Prinzipien, einschließlich grundlegender Modellüberwachung und Versionskontrolle; Verwalten von Modellartefakten, Umgebungen und Registrieren von Modellen für reproduzierbare Workflows. Beginnend mit grundlegenden Definitionen des cloudbasierten maschinellen Lernens gehen Sie durch die Einrichtung des Arbeitsbereichs, das Datenmanagement, das Pipeline-Design und die Bereitstellungsstrategien. Dieser Kurs richtet sich an angehende Data Scientists, Entwickler und Cloud-Architekten, die Azure Machine Learning noch nicht kennen und keine vorherige Cloud-Erfahrung benötigen. Erstellen Sie noch heute zuverlässige Cloud-ML-Lösungen.