DP-3007: Train and deploy a machine learning model with Azure Machine Learning

Moduł 1: Dostęp do danych w Azure Machine Learning

• Zrozumienie adresów URI
• Utworzenie magazynu danych
• Utworzenie zasobu danych

Moduł 2: Praca z celami obliczeniowymi w Azure Machine Learning

• Wybór odpowiedniego celu obliczeniowego
• Utworzenie i korzystanie z instancji obliczeniowej
• Utworzenie i korzystanie z klastra obliczeniowego

Moduł 3: Praca z środowiskami w Azure Machine Learning

• Zrozumienie środowisk
• Eksploracja i korzystanie z skonfigurowanych środowisk
• Utworzenie i korzystanie z niestandardowych środowisk

Moduł 4: Uruchamianie skryptu treningowego jako zadania poleceń w Azure Machine Learning

• Konwersja notatnika na skrypt
• Uruchamianie skryptu jako zadania poleceń
• Użycie parametrów w zadaniu poleceń

Moduł 5: Śledzenie treningu modelu za pomocą MLflow w zadaniach

• Śledzenie metryk za pomocą MLflow
• Wyświetlanie metryk i ocena modeli

Moduł 6: Rejestracja modelu MLflow w Azure Machine Learning

• Logowanie modeli za pomocą MLflow
• Zrozumienie formatu modelu MLflow
• Rejestracja modelu MLflow

Moduł 7: Wdrożenie modelu do zarządzanego punktu końcowego online

• Eksploracja zarządzanych punktów końcowych online
• Wdrożenie modelu MLflow do zarządzanego punktu końcowego online
• Testowanie zarządzanych punktów końcowych online