Kurs
digicode: DP3X7
Train and Deploy a Machine Learning Model with Azure Machine Learning – Intensive Training
Kurs-Facts
- Zugreifen auf Daten mit Hilfe von Uniform Resource Identifiers (URIs)
- Verbinden zu Cloud-Datenquellen mit Datenspeichern
- Verwenden von Daten-Assets für den Zugriff auf bestimmte Dateien oder Verzeichnisse
- Auswählen des geeigneten Rechenziels und Arbeit mit Recheninstanzen und Clustern
- Verwalten installierter Pakete mit Umgebungen
- Verstehen von Umgebungen in Azure Machine Learning
- Untersuchen und Verwenden von kuratierten, Erstellen und Verwenden von benutzerdefinierten Umgebungen
- Konvertieren eines Notizbuchs in ein Skript
- Testen von Skripten in einem Terminal, Ausführen eines Skripts als Befehlsjob und Verwendung von Parametern
Um ein Machine-Learning-Modell mit Azure Machine Learning zu trainieren, musst du Daten verfügbar machen und das entsprechende Compute konfigurieren. Nachdem du deine Modell- und Nachverfolgungsmodell-Metriken mit MLflow trainiert hast, kannst du dein Modell für Echtzeitvorhersagen auf einem Online-Endpunkt bereitstellen.
In diesem Modul erfährst du, wie du deinen Azure-Machine-Learning-Arbeitsbereich einrichtest und wie du dann ein Machine-Learning-Modell trainierst und verwaltest.
1 Verfügbarmachen von Daten in Azure Machine Learning
Erfahre, wie du im Azure-Machine-Learning-Arbeitsbereich eine Verbindung mit Daten herstellst. Du erhältst eine Einführung in Datenspeicher und -ressourcen.
2 Arbeiten mit Compute-Zielen in Azure Machine Learning
Erfahre, wie du mit Computezielen in Azure Machine Learning arbeitest. Mithilfe von Computezielen kannst du deine Machine Learning-Workloads ausführen. Erfahre^, wie und wann du eine Computeinstanz oder einen Computecluster verwenden kannst.
3 Verwenden von Umgebungen in Azure Machine Learning
Erfahre, wie du Umgebungen in Azure Machine Learning verwendest, um Skripts auf einem beliebigen Computeziel auszuführen.
4 Ausführen eines Trainingsskripts als Befehlsauftrag in Azure Machine Learning
Erfahre, wie du deinen Code in ein Skript konvertierst und als Befehlsauftrag in Azure Machine Learning ausführst.
5 Nachverfolgen des Modelltrainings mit MLflow in Aufträgen
Erfahre, wie du das Modelltraining mit MLflow in Aufträgen beim Ausführen von Skripts nachverfolgst.
6 Registrieren eines MLflow-Modells in Azure Machine Learning
Erfahre, wie du ein Modell in Azure Machine Learning protokollierst und registrierst.
7 Bereitstellen eines Modells auf einem verwalteten Online-Endpunkt
Hier erfährst du, wie du Modelle auf einem verwalteten Online-Endpunkt bereitstellst, um Rückschlüsse in Echtzeit zu ziehen.
Dieser Kurs richtet sich an Data Scientists.
Für die Teilnahme an diesem Kurs gibt es keine Voraussetzungen. Grundlegende technische IT-Erfahrung und einige allgemeine IT-Kenntnisse oder Erfahrungen sind von Vorteil.