Машинное обучение для приложений Python в Azure
Следующие статьи помогут вам приступить к работе с Машинное обучение Azure. Машинное обучение Azure REST API версии 2, расширение Azure CLI и пакет SDK Python ускоряют жизненный цикл машинного обучения. Ссылки в этой статье предназначены для версии 2, что рекомендуется при запуске нового проекта машинного обучения.
Начало работы
Рабочая область — это ресурс верхнего уровня для Машинного обучения Azure, который обеспечивает централизованное расположение для работы со всеми артефактами, созданными в Машинном обучении Azure.
- Краткое руководство. Начало работы с Машинное обучение Azure
- Управление рабочими областями Машинное обучение Azure на портале или с помощью пакета SDK для Python (версия 2)
- Запуск записных книжек Jupyter в рабочей области
- Руководство по разработке моделей на облачной рабочей станции
Развертывание моделей
Развертывание моделей машинного обучения для вывода в режиме реального времени.
- Руководство. Конструктор. Развертывание модели машинного обучения
- Развертывание и оценка модели машинного обучения с помощью сетевой конечной точки
Автоматизированное машинное обучение
Автоматизированное машинное обучение, которое также называется автоматизированным ML или AutoML, представляет собой процесс автоматизации трудоемких и многократно повторяющихся задач разработки моделей машинного обучения.
- Обучение модели регрессии с помощью AutoML и Python (пакет SDK версии 1)
- Настройка обучения AutoML для табличных данных с помощью интерфейса командной строки Машинное обучение Azure и пакета SDK для Python (версия 2)
Доступ к данным
С помощью Машинное обучение Azure можно перенести данные с локального компьютера или существующего облачного хранилища.
- Создание ресурсов данных и управление ими
- Руководство по отправке, доступу и просмотру данных в Машинное обучение Azure
- Доступ к данным в задании
Конвейеры машинного обучения
Используйте конвейеры машинного обучения для создания рабочего процесса, который объединяет различные этапы машинного обучения.