เริ่มต้นใช้งาน Azure Machine Learning Workspace และ Assets

การตั้งค่าสภาพแวดล้อมที่แข็งแกร่งเป็นขั้นตอนแรกและสำคัญที่สุดในทุกโครงการวิทยาศาสตร์ข้อมูล Azure Machine Learning มีพื้นที่ทำงานส่วนกลางสำหรับจัดการข้อมูล ทรัพยากรการประมวลผล และการทดลองของคุณ แต่การทำความเข้าใจสินทรัพย์หลักอาจดูซับซ้อนในช่วงแรก หลักสูตรแบบข้อความนี้จะแนะนำคุณผ่านโครงสร้างพื้นฐานของ Azure Machine Learning คุณจะเข้าใจวิธีการจัดระเบียบงาน การรักษาความปลอดภัยของข้อมูล และการเตรียมพลังการประมวลผลสำหรับการฝึกฝนและปรับใช้โมเดล ซึ่งจะช่วยให้คุณพร้อมสำหรับการทำงานร่วมกันในโครงการ AI บนคลาวด์ได้อย่างมีประสิทธิภาพ สิ่งที่คุณจะได้เรียนรู้: - เข้าใจสถาปัตยกรรมหลักของ Azure Machine Learning workspace และส่วนประกอบพื้นฐาน - กำหนดค่าและจัดการทรัพยากรการประมวลผลบนคลาวด์ รวมถึง compute instances และ clusters - ลงทะเบียนและติดตามข้อมูล (data assets), datastores และสภาพแวดล้อมสำหรับการทดลองที่ทำซ้ำได้ - ติดตามตัวชี้วัดและพารามิเตอร์ของโมเดลโดยใช้รูปแบบการติดตาม MLflow ที่ทันสมัย - จัดระเบียบสินทรัพย์ใน pipeline เพื่อทำให้เวิร์กโฟลว์การเรียนรู้ของเครื่องแบบ end-to-end เป็นไปโดยอัตโนมัติ - ปรับใช้โมเดลที่ฝึกฝนแล้วไปยัง cloud endpoints สำหรับการอนุมานแบบเรียลไทม์ คุณจะเริ่มต้นด้วยการสำรวจคำศัพท์พื้นฐานด้านการเรียนรู้ของเครื่องบนคลาวด์และการตั้งค่า workspace ก่อนที่จะเข้าสู่คำแนะนำทีละขั้นตอนในการกำหนดค่าข้อมูล การประมวลผล และสินทรัพย์ของโมเดล เนื้อหาจะดำเนินไปอย่างเป็นลำดับขั้นตอนตั้งแต่การจัดเตรียมทรัพยากรเริ่มต้นไปจนถึงการจัดการการทดลองการเรียนรู้ของเครื่องที่กำลังดำเนินอยู่ หลักสูตรนี้ออกแบบมาสำหรับนักวิทยาศาสตร์ข้อมูล วิศวกรคลาวด์ และนักพัฒนาที่เพิ่งเริ่มต้นใช้งาน Azure Machine Learning ไม่จำเป็นต้องมีประสบการณ์ด้านคลาวด์มาก่อน แต่การมีความเข้าใจพื้นฐานเกี่ยวกับแนวคิดการเรียนรู้ของเครื่องจะเป็นประโยชน์ เริ่มอ่านวันนี้เพื่อเชี่ยวชาญองค์ประกอบสำคัญของการเรียนรู้ของเครื่องบนคลาวด์