Módulo 1: Hacer que los datos estén disponibles en Azure Machine Learning.
Obtenga información sobre cómo conectarse a datos desde el área de trabajo de Azure Machine Learning. Se le presentan los almacenes de datos y los recursos de datos.
• Descripción de los URI.
• Creación de un almacén de datos.
• Crear un recurso de datos.
• Ejercicio: Hacer que los datos estén disponibles en Azure Machine Learning.
Módulo 2: Trabajo con destinos de proceso en Azure Machine Learning.
Aprenda a trabajar con destinos de proceso en Azure Machine Learning. Los destinos de proceso le permiten ejecutar las cargas de trabajo de aprendizaje automático. Explore cómo y cuándo puede usar una instancia de proceso o un clúster de proceso.
• Elección del destino de proceso adecuado.
• Creación y uso de una instancia de proceso.
• Creación y uso de un clúster de proceso.
• Ejercicio: Trabajo con recursos de proceso.
Módulo 3: Trabajo con entornos en Azure Machine Learning.
Aprenda a usar entornos en Azure Machine Learning para ejecutar scripts en cualquier destino de proceso.
• Información sobre los entornos.
• Exploración y uso de entornos mantenidos.
• Creación y uso de entornos personalizados.
• Ejercicio: Trabajo con entornos.
Módulo 4: Ejecución de un script de entrenamiento como un trabajo de comando en Azure Machine Learning.
Obtenga información sobre cómo convertir el código en un script y ejecutarlo como un trabajo de comando en Azure Machine Learning.
• Conversión de un cuaderno en un script.
• Ejecución de un script como trabajo de comando.
• Uso de parámetros en un trabajo de comando.
• Ejercicio: Ejecución de un script de entrenamiento como un trabajo de comando.
Módulo 5: Seguimiento del entrenamiento del modelo con MLflow en trabajos.
Obtenga información sobre cómo realizar un seguimiento del entrenamiento del modelo con MLflow en trabajos al ejecutar scripts.
• Realización de un seguimiento de métricas con MLflow.
• Visualización de métricas y evaluación de modelos.
• Ejercicio: Uso de MLflow para realizar un seguimiento de los trabajos de entrenamiento.
Módulo 6: Registro de un modelo de MLFlow en Azure Machine Learning.
Aprenda a registrar un modelo de MLflow en Azure Machine Learning.
• Registro de modelos con MLflow.
• Descripción del formato de modelos de MLflow.
• Registro de un modelo de MLflow.
• Ejercicio: registro de modelos con MLflow.
Módulo 7: Implementación de un modelo en un punto de conexión en línea administrado.
Aprenda a implementar modelos en un punto de conexión en línea administrado para la inferencia en tiempo real.
• Exploración de puntos de conexión en línea administrados.
• Implementación de un modelo de MLflow en un punto de conexión en línea administrado.
• Implementación de un modelo en un punto de conexión en línea administrado.
• Prueba de puntos de conexión en línea administrados.
• Ejercicio: Implementación de un modelo de MLflow en un punto de conexión en línea.
|
