Entwerfen und Vorbereiten von Azure ML-Lösungen

Die Erstellung erfolgreicher Machine-Learning-Modelle erfordert eine solide Grundlage in den Bereichen Datenvorbereitung, Arbeitsbereichskonfiguration und Pipeline-Design. Dieser textbasierte Kurs führt Sie durch die wesentlichen Schritte zum Einrichten robuster Machine Learning-Umgebungen in Azure ML. Sie werden von einfachen Data Science-Skripten zu strukturierten, cloudbasierten Machine-Learning-Lösungen übergehen. Wenn Sie verstehen, wie Sie Rechenressourcen verwalten, Datenressourcer sichern und automatisierte Trainingspipelines orchestrieren, sind Sie bereit, skalierbare und reproduzierbare Workflows zu entwerfen. Was Sie lernen werden: - Verstehen Sie die grundlegende Azure ML-Arbeitsbereichsarchitektur und Ressourcenkonfiguration - Vorbereiten und Verwalten sicherer Cloud-Datenbestände und Datenspeicher - Entwerfen Sie automatisierte Machine Learning-Pipelines für das Modelltraining und die Auswertung - Konfigurieren Sie optimale Rechenziele für Trainings- und Bereitstellungs-Workloads - Wenden Sie grundlegende MLOps-Prinzipien für die Modellverfolgung und Versionskontrolle an - Implementieren Sie moderne Datenaufbereitungsstrategien mit skalierbaren Dataframe-Praktiken Der Kurs beginnt mit grundlegenden Konzepten für maschinelles Lernen in der Cloud und der Einrichtung der Umgebung, bevor Sie durch die Datenaufnahme, das Pipeline-Design und die Modellregistrierungsverwaltung geführt werden. Sie lernen durch klare Texterklärungen, strukturierte Konfigurationsbeispiele und konzeptionelle Durchläufe. Dieser Kurs wurde für angehende Data Scientists, Cloud-Techniker und Entwickler entwickelt, die noch nicht mit Azure ML vertraut sind. Beginnen Sie noch heute mit dem Lesen, um eine solide Grundlage für das cloudbasierte Machine Learning-Design zu schaffen.