Sammanfattning

I den här modulen har du lärt dig om överväganden för maskininlärningslösningar. Maskininlärning utgör ryggraden i moderna AI-program, vilket gör det möjligt för system att generera insikter från data för uppgifter som förutsägelseanalys och anpassade rekommendationer. Att utforma en effektiv ML-lösning innebär en strukturerad, iterativ process: definiera problemet, hämta och förbereda data, träna modellen, integrera den i program och övervaka dess prestanda. Microsoft Azure stöder den här livscykeln via Azure Machine Learning Studio, en webbläsarbaserad plattform där användare kan hantera data, köra experiment, distribuera modeller och övervaka resultat med hjälp av både kod-först- och no-code-verktyg som Automatiserad maskininlärning.