Eseguire il training e la gestione di un modello di Machine Learning con Azure Machine Learning
Riepilogo
-
Level
-
Skill
-
Prodotto
-
Ruolo
-
Oggetto
Per eseguire il training di un modello di Machine Learning con Azure Machine Learning, è necessario rendere disponibili i dati e configurare il calcolo necessario. Dopo aver eseguito il training delle metriche del modello e del modello di rilevamento con MLflow, è possibile decidere di distribuire il modello in un endpoint online per stime in tempo reale. In questo percorso di apprendimento viene illustrato come configurare l'area di lavoro di Azure Machine Learning, poi si potrà eseguire il training e gestire di un modello di Machine Learning.
Prerequisiti
None
Codice obiettivo
Si vuole richiedere un codice obiettivo?
Moduli in questo percorso di apprendimento
Informazioni su come connettersi ai dati dall'area di lavoro di Azure Machine Learning. Vengono presentati gli archivi dati e gli asset di dati.
Informazioni su come usare le destinazioni di calcolo in Azure Machine Learning. Le destinazioni di calcolo consentono di eseguire i carichi di lavoro di Machine Learning. Verrà illustrato come e quando è possibile usare un'istanza di calcolo o un cluster di calcolo.
Informazioni su come usare gli ambienti in Azure Machine Learning per eseguire script in qualsiasi destinazione di calcolo.
Informazioni su come convertire il codice in uno script ed eseguirlo come processo di comando in Azure Machine Learning.
Informazioni su come tenere traccia del training dei modelli con MLflow nei processi durante l'esecuzione di script.
Informazioni su come registrare un modello MLflow e inserirlo nel registro dei modelli in Azure Machine Learning.
Informazioni su come distribuire modelli in un endpoint online gestito per l'inferenza in tempo reale.