Train and deploy a machine learning model with Azure Machine Learning

Um ein Machine Learning-Modell mit Azure Machine Learning zu trainieren, müssen Sie Daten verfügbar machen und das entsprechende Compute konfigurieren. Nachdem Sie Ihre Modell- und Nachverfolgungsmodellmetriken mit MLflow trainiert haben, können Sie ihr Modell für Echtzeitvorhersagen auf einem Onlineendpunkt bereitstellen. In diesem Lernpfad erfahren Sie, wie Sie Ihren Azure Machine Learning-Arbeitsbereich einrichten, nach dem Sie ein Machine Learning-Modell trainieren und bereitstellen.

Inhalt

• Verfügbarmachen von Daten in Azure Machine Learning
• Arbeiten mit Computezielen in Azure Machine Learning
• Verwenden von Umgebungen in Azure Machine Learning
• Ausführen eines Trainingsskripts als Befehlsauftrag in Azure Machine Learning
• Nachverfolgen des Modelltrainings mit MLflow in Aufträgen
• Registrieren eines MLflow-Modells in Azure Machine Learning
• Bereitstellen eines Modells auf einem verwalteten Onlineendpunkt

Ausgeführte Aufgaben

• Einrichten einer Entwicklungsumgebung in Azure Machine Learning
• Vorbereiten von Daten für die Modellerstellung
• Erstellen und Konfigurieren eines Modelltrainingsskripts als Befehlsauftrag
• Verwalten von Artefakten mithilfe von MLflow
• Bereitstellen eines Modells für den Echtzeitverbrauch

Voraussetzung

• Keine

Zielgruppe

• KI-Techniker
• Datentechniker
• Entwickler
• Data Scientist

Zertifizierung

Demonstrieren Sie Ihre Fähigkeit, Machine Learning-Modelle mit Azure Machine Learning zu trainieren und bereitzustellen.

Als Kandidat*in für diesen Leistungsnachweis ist Folgendes erforderlich:

• Kenntnisse der Azure-Dienste
• Erfahrung mit Azure Machine Learning und MLflow
• Erfahrung in der Durchführung von Aufgaben im Zusammenhang mit maschinellem Lernen mithilfe von Python