Entrenamiento y Gestión de Modelos con Azure Machine Learning

La transición de notebooks locales a machine learning a escala en la nube puede resultar abrumadora sin un camino claro. Azure Machine Learning proporciona la infraestructura robusta necesaria para entrenar, rastrear y gestionar modelos de forma fiable a escala. Este curso escrito te guía a través de todo el ciclo de vida del machine learning en la plataforma Azure. Adquirirás las habilidades prácticas para preparar datos, configurar cómputo seguro en la nube, monitorizar experimentos y gestionar tus modelos para su preparación en producción. Lo que aprenderás: • Comprender los conceptos fundamentales de machine learning en la nube y la arquitectura del espacio de trabajo de Azure • Configurar recursos de cómputo escalables y activos de datos seguros para las ejecuciones de entrenamiento • Rastrear experimentos y registrar métricas de rendimiento automáticamente utilizando la integración con MLflow • Registrar y versionar modelos entrenados en un registro centralizado para una mejor gobernanza • Desplegar modelos en puntos de conexión en tiempo real para generar predicciones • Implementar las mejores prácticas modernas de MLOps para automatizar y monitorizar flujos de trabajo. Comenzando con los conceptos esenciales de la nube y la configuración del espacio de trabajo, las lecciones basadas en texto te guían paso a paso a través de la preparación de datos, el entrenamiento de modelos y las estrategias de despliegue. Estudiarás ejemplos de configuración prácticos y explicaciones estructuradas diseñadas para una aplicación inmediata. Este curso está diseñado para aspirantes a científicos de datos, desarrolladores y entusiastas de la nube que son nuevos en Azure Machine Learning. No se requiere experiencia previa en ingeniería en la nube, aunque una comprensión básica de Python y los conceptos de machine learning es útil. Comienza a crear y gestionar tus flujos de trabajo de machine learning a escala en la nube hoy mismo.