Azure Machine Learning İşlem Hatlarında Veri Kümesi Yönetimi

Makine öğreniminde, yüksek kaliteli model eğitimi, verilerinizi ne kadar etkili bir şekilde organize ettiğinize, sürümlendirdiğinize ve eriştiğinize bağlıdır. Bu kurs, iş akışlarınızın güvenli, tekrarlanabilir ve üretime hazır olmasını sağlayarak Azure Machine Learning işlem hatları içinde veri varlıklarını nasıl yöneteceğinizi öğretir. Ham dosyaları manuel olarak işlemekten, yapılandırılmış, sürüm kontrollü datastore'lar ve veri kümeleri oluşturmaya geçeceksiniz. Açık açıklamalar ve pratik metin tabanlı alıştırmalar aracılığıyla, modern makine öğrenimi işlem hatları için gereken temel veri işlemlerinde ustalaşacaksınız. Neler öğreneceksiniz: - Azure içindeki temel veri kümesi kavramlarını, datastore'ları ve depolama entegrasyonunu anlayın - Azure portalı ve CLI kullanarak genel ve özel veri kaynaklarına güvenli bağlantıları yapılandırın - Deney tekrarlanabilirliğini sağlamak için veri kümeleri oluşturun, kaydedin ve sürümlendirin - İşlem hatlarınızda veri soyu (data lineage) ve kayma izleme (drift monitoring) gibi modern MLOps kavramlarını uygulayın - Kayıtlı veri kümelerini eğitim betiklerine ve işlem hattı adımlarına entegre edin - Ortak çalışma ortamları için erişim kontrolünü ve veri güvenliği politikalarını yönetin Uygulamalı yapılandırmaya geçmeden önce bulut depolamanın ve Azure ML çalışma alanı terminolojisinin mutlak temelleriyle başlayacağız. Datastore'ları kaydetme, veri kümelerini sürümlendirme ve otomatikleştirilmiş işlem hatlarında veri tüketme konularında adım adım kılavuzları okuyacaksınız. Bu kurs, Azure'da yapılandırılmış veri yönetimini öğrenmek isteyen başlangıç seviyesindeki veri bilimcileri, makine öğrenimi mühendisleri ve bulut meraklıları için tasarlanmıştır. Azure Machine Learning ile ilgili önceden deneyim gerekmemektedir, ancak temel bulut kavramlarını anlamak faydalı olacaktır. Bulutta güvenilir, veriye dayalı makine öğrenimi işlem hatları oluşturmak için bugün okumaya başlayın.