Latihan dan Jejak Model Pembelajaran Mesin dengan MLflow di Fabric

Mengurus eksperimen machine learning bisa menjadi kacau tanpa cara sistematis untuk melacak parameter, metrik, dan model. Kursus ini mengajarkan Anda bagaimana untuk membawa urutan ke data ilmu pengetahuan workflow Anda dengan memanfaatkan MLflow di dalam lingkungan Fabric. Anda akan berpindah dari pelacakan manual ke otomatis, aliran kerja yang dapat direproduksi, belajar bagaimana untuk log berjalan, membandingkan kinerja model, dan mendaftar model terbaik Anda. Apa yang akan Anda pelajari: 1. Mengerti konsep dasar mesin pembelajaran dan arsitektur MLflow. 2. Konfigurasi Fabric notebook untuk log parameter, metrik, dan artefak. 3. Melatih model machine learning dan melacak kinerjanya. 4. Bandingkan beberapa eksperimen untuk mengidentifikasi konfigurasi yang paling baik. 5. Daftar dan versi model terlatih Anda di dalam ruang kerja Fabric. 6. Terapkan praktik pemrograman bersih untuk memastikan eksperimen dapat direproduksi. Kursus dimulai dengan terminologi dan pengaturan yang penting, memandu Anda melalui konsep-konsep dasar pelacakan sebelum beralih ke contoh notebook dan pendaftaran model. Anda akan belajar melalui penjelasan tertulis, potongan kode yang jelas, dan skenario praktis. Kursus ini dirancang untuk pemula, ilmuwan data yang bercita-cita, dan pengembang yang baru mengenal MLflow atau Fabric, tanpa pengalaman pelacakan eksperimen sebelumnya. Mulailah mengatur eksperimen machine learning Anda dan bangun fondasi yang kuat di MLOps hari ini.