Treinamento e gerenciamento de modelos com o Azure Machine Learning

A transição de notebooks locais para o machine learning em escala de nuvem pode parecer avassaladora sem um caminho claro. O Azure Machine Learning fornece a infraestrutura robusta necessária para treinar, rastrear e gerenciar modelos de forma confiável em escala. Este curso escrito orienta você por todo o ciclo de vida do machine learning na plataforma Azure. Você ganhará as habilidades práticas para preparar dados, configurar computação em nuvem segura, monitorar experimentos e gerenciar seus modelos para a prontidão de produção. O que você aprenderá: • Entenda os conceitos fundamentais de machine learning na nuvem e a arquitetura do espaço de trabalho do Azure • Configure recursos de computação escaláveis e ativos de dados seguros para execuções de treinamento • Acompanhe experimentos e registre métricas de desempenho automaticamente usando a integração do MLflow • Registre e crie versões de modelos treinados em um registro centralizado para • Implantar modelos em endpoints em tempo real para gerar previsões • Implementar as melhores práticas de MLOps modernas para automatizar e monitorar fluxos de trabalho. Começando com conceitos essenciais de nuvem e configuração de espaço de trabalho, as lições baseadas em texto orientam você passo a passo através da preparação de dados, treinamento de modelos e estratégias de implantação. Você estudará exemplos práticos de configuração e explicações estruturadas projetadas para aplicação imediata. Este curso foi projetado para aspirantes a cientistas de dados, desenvolvedores e entusiastas da nuvem que são novos no Azure Machine Learning. Não é necessária experiência prévia em engenharia de nuvem, embora uma compreensão básica de Python e de conceitos de aprendizado de máquina seja útil. Comece a criar e gerenciar seus fluxos de trabalho de machine learning na nuvem hoje mesmo.