Treine e acompanhe modelos de machine learning com o MLflow no Fabric

O gerenciamento de experimentos de machine learning pode rapidamente se tornar caótico sem uma maneira sistemática de rastrear parâmetros, métricas e modelos. Este curso ensina como colocar ordem no seu fluxo de trabalho de ciência de dados, aproveitando o MLflow dentro do ambiente Fabric. Você fará a transição do rastreamento manual para um fluxo de trabalho automatizado e reproduzível, aprendendo a registrar execuções, comparar o desempenho do modelo e registrar seus melhores modelos. O que você vai aprender: 1. Entenda os conceitos fundamentais de rastreamento de machine learning e a arquitetura do MLflow. 2. Configure os notebooks do Fabric para registrar parâmetros, métricas e artefatos. 3. Treine modelos de machine learning e acompanhe seu desempenho. 4. Compare várias execuções de experimentos para identificar as configurações com melhor desempenho. 5. Registre e crie versões de seus modelos treinados no espaço de trabalho do Fabric. 6. Aplique práticas de codificação limpas para garantir experimentos reproduzíveis. O curso começa com terminologia e configuração essenciais, orientando você através de conceitos básicos de rastreamento antes de passar para exemplos de notebooks e registro de modelos. Você aprenderá através de explicações escritas, trechos de código claros e cenários práticos. Este curso foi projetado para iniciantes, aspirantes a cientistas de dados e desenvolvedores que são novos no MLflow ou Fabric, sem experiência prévia de rastreamento de experimentos. Comece a organizar suas experiências de machine learning e construa uma base sólida em MLOps hoje mesmo.