Azure AI Fundamentals (AI-900) Studienhandbuch

Kapitel 5. Azure Machine Learning

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Im vorherigen Kapitel haben wir die Grundlagen von ML erkundet. In diesem Kapitel wenden wir diese Konzepte mit Azure Machine Learning an, einem Cloud-basierten Dienst, der das Training, die Bereitstellung und die Verwaltung von ML-Modellen erleichtert. Egal, ob du Datenwissenschaftler/in, Softwareentwickler/in oder DevOps-Fachmann/-frau bist, Azure Machine Learning rationalisiert den gesamten ML-Workflow, von der Datenexploration bis zur Modellbereitstellung.

Azure Machine Learning bietet zwei primäre Tools, die auf unterschiedliche Nutzerpräferenzen und Ziele zugeschnitten sind:

Azure Automated Machine Learning (AutoML)

AutoML automatisiert den Prozess der Entwicklung von ML-Modellen und übernimmt Aufgaben wie die Auswahl von Algorithmen und die Abstimmung von Hyperparametern. Es ist sowohl über die no-code Schnittstelle des Azure Machine Learning Studios als auch über das Python SDK zugänglich. Das bedeutet, dass sich das System an unterschiedliche Wissensstände anpassen lässt.

Azure Machine Learning Designer

Das Tool bietet eine Drag-and-Drop-Oberfläche für die Erstellung von ML-Pipelines, ohne dass du kodieren musst. Nutzer können Datensätze, Transformationen und Algorithmen visuell verbinden, um Modelle effizient zu erstellen und einzusetzen.

Beide Tools sind in Azure Machine Learning Studio integriert ...