Course Outline
Εισαγωγή
Συνολική Περίληψη των Χαρακτηριστικών και της Αρχιτεκτονικής του Azure Machine Learning (AML)
Συνολική Περίληψη ενός Τελικού Εργασιακού Κύκλου στο AML (Azure Machine Learning Pipelines)
Παροχή Ιδιωτικών Συστημάτων στο Σύννεφο
Σκέλεση (CPUs, GPUs και FPGAs)
Πλοήγηση στο Azure Machine Learning Studio
Προετοιμασία Δεδομένων
Κατασκευή Μοντέλου
Εκπαίδευση και Εξέταση ενός Μοντέλου
Καταχώρηση ενός Εκπαιδευμένου Μοντέλου
Κατασκευή Εικόνας Μοντέλου
Εγκατάσταση ενός Μοντέλου
Παρακολούθηση ενός Μοντέλου σε Παραγωγή
Διατυπώσεις τεχνικών προβλημάτων
Επίσημη και Συμπέρασμα
Requirements
- Κατανόηση των εννοιών του μηχανικού μάθηματος.
- Γνώση των εννοιών της υπολογιστικής σε χλωρίδα.
- Γενική κατανόηση των περιέργων (Docker) και της διορθώσεως (Kubernetes).
- Η εμπειρία προγραμματισμού σε Python ή R είναι χρήσιμη.
- Εμπειρία εργασίας με γραμμή εντολών.
Δημοσίο
- Μηχανικοί δεδομένων πληροφορικής.
- Μηχανικοί DevOps ενδιαφέροντες για την αποστολή μοντέλων μηχανικού μάθηματος.
- Μηχανικοί υποδομής ενδιαφέροντες για την αποστολή μοντέλων μηχανικού μάθηματος.
- Μηχανικοί λογισμικού που επιθυμούν να αυτοματοποιήσουν την ολοκλήρωση και την αποστολή μοντέλων μηχανικού μάθηματος σε εφαρμογές τους.
Testimonials (2)
Τα λεπτομέρεια και η στυλ του παρουσιασμού.
Cristian Mititean - Accenture Industrial SS
Course - Azure Machine Learning (AML)
Machine Translated
Τα Ασκήσεις
Khaled Altawallbeh - Accenture Industrial SS
Course - Azure Machine Learning (AML)
Machine Translated