Machine learning voor Python-apps in Azure

De volgende artikelen helpen u aan de slag te gaan met Azure Machine Learning. Azure Machine Learning v2 REST API's, Azure CLI-extensie en Python SDK zijn ontworpen om de volledige levenscyclus van machine learning te stroomlijnen en productiewerkstromen te versnellen. De koppelingen in dit artikel zijn gericht op v2. Dit wordt aanbevolen als u een nieuw machine learning-project start.

Aan de slag

In Azure Machine Learning is de werkruimte de belangrijkste resource die alles wat u maakt, ordent en beheert, zoals gegevenssets, modellen en experimenten.

• Quickstart: Aan de slag met Azure Machine Learning
• Azure Machine Learning-werkruimten beheren in de portal of met de Python SDK (v2)
• Jupyter-notebooks uitvoeren in uw werkruimte
• Zelfstudie: Modelontwikkeling op een cloudwerkstation

Modellen implementeren

Implementeer modellen voor voorspellingen met lage latentie en realtime machine learning.

• Zelfstudie: Ontwerper : een machine learning-model implementeren
• Een machine learning-model implementeren en beoordelen met behulp van een online-eindpunt

Geautomatiseerde machine learning

Geautomatiseerde ML (AutoML) verwijst naar het proces van het stroomlijnen van machine learning-modelontwikkeling door het automatiseren van terugkerende en tijdrovende taken.

• Een regressiemodel trainen met AutoML en Python (SDK v1)
• AutoML-training instellen voor tabelgegevens met de Azure Machine Learning CLI en Python SDK (v2)

Toegang tot gegevens

Met Azure Machine Learning kunt u gegevens importeren vanaf uw lokale computer of verbinding maken met bestaande cloudopslagservices.

• Gegevensassets maken en beheren
• Zelfstudie: Uw gegevens uploaden, openen en verkennen in Azure Machine Learning
• Toegang tot gegevens in een taak

Machine learning-pijplijnen

Gebruik machine learning-pijplijnen om werkstromen te bouwen die verschillende fasen van het ML-proces verbinden.

• Azure Pipelines gebruiken met Azure Machine Learning
• Machine Learning-pijplijnen maken en uitvoeren met behulp van onderdelen met de Azure Machine Learning SDK v2
• Zelfstudie: ML-pijplijnen voor productie maken met Python SDK v2 in een Jupyter-notebook