Fondamenti di Azure ML: Distribuzione, Gestione e Sperimentazione con i Modelli

Il passaggio dall'addestramento di un modello in locale all'esecuzione di flussi di lavoro scalabili nel cloud può sembrare scoraggiante. Questo corso semplifica tale processo guidandoti attraverso le funzionalità principali di Azure Machine Learning. Acquisirai le competenze pratiche necessarie per registrare set di dati, eseguire esperimenti basati su cloud, tracciare le metriche di performance e distribuire i tuoi modelli addestrati come servizi web accessibili. Cosa imparerai: 1. Comprendere i concetti fondamentali di Azure ML, i gruppi di risorse e l'architettura dello spazio di lavoro. 2. Configurare istanze di calcolo e cluster di calcolo per l'addestramento scalabile dei modelli. 3. Eseguire e tracciare esperimenti di machine learning utilizzando Azure ML SDK e MLflow. 4. Registrare, versionare e gestire i modelli addestrati nel registro modelli centrale. 5. Distribuire i modelli come endpoint in tempo reale e testarne la reattività. 6. Applicare pratiche MLOps di base per monitorare le performance del modello. Il corso inizia con la terminologia essenziale e la configurazione dello spazio di lavoro, quindi procede attraverso la configurazione pratica delle risorse di calcolo, il tracciamento degli esperimenti e le strategie di distribuzione dei modelli. Questo corso è progettato per i principianti nel machine learning basato su cloud e per i professionisti dei dati che desiderano trasferire i loro flussi di lavoro su Azure. Non è richiesta alcuna esperienza precedente in ingegneria del cloud. Inizia il tuo percorso nel machine learning basato su cloud e ottimizza il ciclo di vita del tuo modello oggi stesso.