Bermula dengan Azure Machine Learning Workspace dan Aset

Menyediakan persekitaran yang mantap adalah langkah pertama dan paling kritikal dalam mana-mana projek sains data. Azure Machine Learning menyediakan ruang kerja berpusat untuk mengurus data, sumber pengkomputeran, dan eksperimen anda, namun menavigasi aset terasnya boleh terasa agak mengelirukan pada mulanya. Kursus berasaskan teks ini membimbing anda melalui struktur asas Azure Machine Learning. Anda akan memahami cara untuk menyusun kerja anda, menjamin data anda, dan menyediakan kuasa pengkomputeran untuk melatih serta menggunakan model, seterusnya menyediakan anda untuk bekerjasama dengan berkesan dalam projek AI berasaskan awan. Apa yang anda akan pelajari: - Memahami seni bina teras ruang kerja Azure Machine Learning dan komponen asasnya - Mengkonfigurasi dan mengurus sumber pengkomputeran awan, termasuk instans pengkomputeran dan kluster - Mendaftar dan menjejak aset data, stor data, dan persekitaran untuk eksperimen yang boleh dihasilkan semula - Menjejak metrik dan parameter model menggunakan corak penjejakan MLflow bersepadu moden - Menyusun aset saluran paip untuk mengautomasikan aliran kerja pembelajaran mesin hujung-ke-hujung - Menggunakan model yang telah dilatih ke titik akhir awan untuk inferens masa nyata Anda akan bermula dengan meneroka terminologi pembelajaran mesin awan asas dan penyediaan ruang kerja sebelum beralih kepada panduan bertulis langkah demi langkah mengenai cara mengkonfigurasi data, pengkomputeran, dan aset model. Bahan ini mengalir secara logik daripada penyediaan sumber awal kepada pengurusan eksperimen pembelajaran mesin yang aktif. Kursus ini direka untuk bakal saintis data, jurutera awan, dan pembangun yang baru mengenali Azure Machine Learning. Tiada pengalaman awan terdahulu diperlukan, walaupun pemahaman asas tentang konsep pembelajaran mesin adalah membantu. Mula membaca hari ini untuk menguasai blok binaan penting pembelajaran mesin berasaskan awan.