Introduzione all'area di lavoro e agli asset di Azure Machine Learning

L'impostazione di un ambiente robusto è il primo e più critico passo in qualsiasi progetto di data science. Azure Machine Learning fornisce un'area di lavoro centralizzata per gestire i tuoi dati, le risorse di calcolo e gli esperimenti, ma navigare tra i suoi asset principali può sembrare scoraggiante all'inizio. Questo corso basato su testo ti guida attraverso la struttura fondamentale di Azure Machine Learning. Capirai come organizzare il tuo lavoro, proteggere i tuoi dati e preparare la potenza di calcolo per l'addestramento e la distribuzione di modelli, preparandoti a collaborare efficacemente su progetti AI basati su cloud. Cosa imparerai: - Comprendere l'architettura principale di un'area di lavoro di Azure Machine Learning e i suoi componenti di base - Configurare e gestire le risorse di calcolo cloud, incluse istanze e cluster di calcolo - Registrare e tracciare asset di dati, datastore e ambienti per esperimenti riproducibili - Tracciare metriche e parametri del modello utilizzando i moderni pattern di tracciamento MLflow integrati - Organizzare gli asset della pipeline per automatizzare i flussi di lavoro di machine learning end-to-end - Distribuire modelli addestrati a endpoint cloud per l'inferenza in tempo reale Inizierai esplorando la terminologia di base del machine learning cloud e la configurazione dell'area di lavoro prima di passare a guide scritte passo-passo sulla configurazione di dati, calcolo e asset del modello. Il materiale procede logicamente dal provisioning iniziale delle risorse alla gestione di esperimenti di machine learning attivi. Questo corso è progettato per aspiranti data scientist, ingegneri cloud e sviluppatori che sono nuovi ad Azure Machine Learning. Non è richiesta alcuna esperienza cloud precedente, sebbene una comprensione di base dei concetti di machine learning sia utile. Inizia a leggere oggi per padroneggiare gli elementi costitutivi essenziali del machine learning basato su cloud.