آموزش توسعه Pipeline های یادگیری ماشینی در Microsoft Azure

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با Azure AI یاد می گیرید.

عنوان اصلی : Microsoft Azure AI Engineer: Developing ML Pipelines in Microsoft Azure

سرفصل ها :

بررسی اجمالی دوره
نسخه ی نمایشی: Touring Azure Machine Learning Studio
نسخه ی نمایشی: گشت و گذار در فضای کاری یادگیری ماشینی Azure
نحوه تعامل شما با فضای کاری Azure ML
بررسی اجمالی
تعاریف اولیه
خلاصه
چشم انداز یادگیری ماشین لاجوردی
فضای کاری یادگیری ماشین لاجورد
نسخه ی نمایشی: یک خط لوله Azure ML بسازید
نسخه ی نمایشی: خط لوله ML را اجرا و منتشر کنید
بررسی اجمالی
برنامه ریزی خط لوله Azure ML
تعاریف اولیه
انتشار خط لوله Azure ML
خلاصه
خط لوله یادگیری ماشین لاجورد
یک فضای کاری ایجاد کنید
نسخه ی نمایشی: یک نقش RBAC سفارشی ایجاد و آزمایش کنید
نسخه ی نمایشی: یک فضای کاری Azure ML را مستقر کنید
نسخه ی نمایشی: آشنایی با فضای کاری
نسخه ی نمایشی: ایمن Azure ML با RBAC
نسخه ی نمایشی: کار با نوت بوک های Jupyter
بررسی اجمالی
کنترل دسترسی مبتنی بر نقش (RBAC) در Azure
خلاصه
فضای کاری یادگیری ماشین Azure را درک کنید
نسخه ی نمایشی: یک ماشین مجازی Azure Data Science را مستقر کنید
نسخه ی نمایشی: آزمایشی را با Python SDK اجرا کنید
نسخه ی نمایشی: محیط فضای کاری ما را تنظیم کنید
بررسی اجمالی
خلاصه
ماشین مجازی Azure Data Science
فرآیند استقرار خط لوله Azure ML
یادگیری ماشین خودکار
Datastore در مقابل Dataset
نسخه ی نمایشی: یک آزمایش خودکار ML ایجاد کنید
نسخه ی نمایشی: بهترین مدل ML را به کار بگیرید
نسخه ی نمایشی: یک مجموعه داده آماده کنید
نسخه ی نمایشی: یک Datastore آماده کنید
بررسی اجمالی
خلاصه
نسخه ی نمایشی: آزمایش های نظارت در استودیوی یادگیری ماشینی Azure
نسخه ی نمایشی: ترسیم معیارهای منبع Azure ML و افزایش هشدارها
نسخه ی نمایشی: جستجوی داده های لاگ Azure ML
نسخه ی نمایشی: استفاده از Azure ML Pyhon SDK برای نظارت بر آموزش مدل
نظارت بر سرویس یادگیری ماشینی Azure
نظارت بر فرآیند آموزش مدل ML
بررسی اجمالی
خلاصه