Configurar Destinos de Computação no Azure Machine Learning

A execução de cargas de trabalho de machine learning na nuvem requer um entendimento sólido de como alocar e gerenciar a potência de processamento bruta. Saber quando e como implantar diferentes ambientes de execução é fundamental para criar pipelines de ciência de dados econômicos e escaláveis. Este curso escrito orienta você pelo processo de configuração, configuração e gerenciamento de destinos de computação no Azure Machine Learning. Você fará a transição da execução local manual para a orquestração de recursos de nuvem escaláveis adaptados às suas necessidades específicas de treinamento e implantação. O que você aprenderá: compreender a terminologia e a arquitetura fundamentais da computação de machine learning baseada em nuvem; configurar instâncias de computador para desenvolvimento interativo e análise exploratória de dados; configuração de clusters de computabilidade escaláveis para lidar com trabalhos de treinamento em larga escala e processamento paralelo; aplicar estratégias modernas de gerenciamento de custos para otimizar Selecione o tipo de computação apropriado, incluindo opções sem servidor, com base nos requisitos da carga de trabalho; Solucione problemas de erros comuns de execução e monitore as métricas de desempenho de computabilidade. O curso começa com definições essenciais e conceitos básicos de infraestrutura de nuvem antes de avançar passo a passo através da configuração de instâncias, clusters de dimensionamento e implementação de automação com orçamento amigável. Você lerá explicações detalhadas e revisará exemplos práticos de configuração projetados para aplicação imediata. Este curso foi projetado para cientistas de dados iniciantes, engenheiros de nuvem e desenvolvedores que são novos no Azure Machine Learning e querem entender o provisionamento de recursos de nuvens. Não é necessária experiência prévia em infraestrutura de nuvem. Comece a construir sua base de machine learning na nuvem hoje mesmo.