Konfigurowanie miejsc docelowych obliczeń w usłudze Azure Machine Learning

Uruchamianie obciążeń uczenia maszynowego w chmurze wymaga solidnego zrozumienia sposobu alokacji i zarządzania surową mocą obliczeniową. Wiedza, kiedy i jak wdrażać różne środowiska wykonawcze, jest kluczem do budowania opłacalnych i skalowalnych potoków analizy danych. Ten pisemny kurs przeprowadzi Cię przez proces konfigurowania i zarządzania obiektami docelowymi obliczeń w ramach usługi Azure Machine Learning. Przejdziesz od ręcznego wykonywania lokalnych zadań do organizowania skalowalnych zasobów chmurowych dostosowanych do Twoich konkretnych potrzeb szkoleniowych i wdrożeniowych. Co się nauczysz: Zrozumienie podstawowej terminologii i architektury obliczeń uczenia maszynowego w chmurze; Konfigurowanie instancji obliczeniowych do interaktywnego programowania i eksploracyjnej analizy danych; Konfiguracja skalowalnych klastrów obliczennych do obsługi dużych zadań szkoleniowych i przetwarzania równoległego; Zastosowanie nowoczesnych strategii zarządzania kosztami w celu optymalizacji Wybierać odpowiedni typ obliczeń, w tym opcje bezserwerowe, w oparciu o wymagania dotyczące obciążeń; Rozwiązywać typowe problemy z wykonaniem i monitorować wskaźniki wydajności obliczeniowej. Kurs zaczyna się od podstawowych definicji i podstawowych pojęć infrastruktury chmury, zanim przejdzie krok po kroku przez konfigurowanie instancji, skalowanie klastrów i wdrażanie przyjaznej dla budżetu automatyzacji. Przeczytasz szczegółowe wyjaśnienia i przejrzysz praktyczne przykłady konfiguracji przeznaczone do natychmiastowego zastosowania. Ten kurs jest przeznaczony dla początkujących naukowców zajmujących się danymi, inżynierów chmury i programistów, którzy nie znają usługi Azure Machine Learning i chcą zrozumieć aprowizację zasobów w chmurze. Nie jest wymagane wcześniejsze doświadczenie w zakresie infrastruktury chmurowej. Zacznij budować fundamenty uczenia maszynowego w chmurze już dziś.