Trenuj i śledź modele uczenia maszynowego za pomocą MLflow w Fabric

Zarządzanie eksperymentami z uczeniem maszynowym może szybko stać się chaotyczne bez systematycznego sposobu śledzenia parametrów, danych i modeli. Ten kurs uczy, jak wprowadzić porządek w przepływie pracy z danymi, wykorzystując MLflow w środowisku Fabric. Przejdziesz od ręcznego śledzenia do zautomatyzowanego, powtarzalnego przepływu pracy, nauczysz się rejestrować przebiegi, porównywać wydajność modelu i rejestrowac swoje najlepsze modele. Czego się nauczysz: 1. Poznaj podstawowe koncepcje śledzenia uczenia maszynowego i architekturę MLflow. 2. Skonfiguruj notatniki Fabric, aby rejestrować parametry, metrykę i artefakty. 3. Trenuj modele uczenia maszynowego i śledź ich wydajność. 4. Porównaj wiele przebiegów eksperymentu, aby zidentyfikować najlepiej działające konfiguracje. 5. Zarejestruj i wersjonuj swoje trenowane modele w przestrzeni roboczej Fabric. 6. Zastosuj czyste praktyki kodowania, aby zapewnić powtarzalne eksperymenty. Kurs rozpoczyna się od podstawowej terminologii i konfiguracji, prowadząc przez podstawowe pojęcia śledzenia przed przejściem do przykładów notebooków i rejestracji modelu. Nauczysz się poprzez pisemne wyjaśnienia, jasne fragmenty kodu i praktyczne scenariusze. Ten kurs jest przeznaczony dla początkujących, aspirujących naukowców zajmujących się danymi i programistów, którzy są nowi w MLflow lub Fabric, bez wcześniejszego doświadczenia w śledzeniu eksperymentów. Zacznij organizować eksperymenty z uczeniem maszynowym i zbuduj solidne podstawy w MLOps już dziś.