Настройка целей вычислений в Azure Machine Learning

Для выполнения рабочих нагрузок машинного обучения в облаке необходимо твердое понимание того, как выделять и управлять первичными вычислительными мощностями. Знание того, когда и как развертывать различные среды выполнения, является ключом к созданию экономически эффективных и масштабируемых конвейеров науки о данных. Этот письменный курс направляет вас через процесс устанавливать, настраивать, и управлять целями вычисления внутри лазурное машинное обучение. Вы перейдете от ручного выполнения задач на месте к организации масштабируемых облачных ресурсов, адаптированных к вашим конкретным потребностям в обучении и развертывании. Что вы узнаете: Понимание основных терминов и архитектуры вычислений машинного обучения в облаке; Настройка вычислительных экземпляров для интерактивной разработки и исследовательского анализа данных; Настройте масштабируемые вычислительные кластеры для обработки крупномасштабных задач обучения и параллельной обработки; Примените современные стратегии управления затратами для оптимизации Выбор соответствующего типа вычислений, включая безсерверные варианты, на основе требований к рабочей нагрузке; Устранение распространенных ошибок выполнения и мониторинг показателей производительности вычисления. Курс начинается с основных определений и основных концепций облачной инфраструктуры, а затем постепенно переходит к настройке экземпляров, масштабированию кластеров и внедрению бюджетной автоматизации. Вы прочтете подробные объяснения и просмотрите практические примеры конфигурации, предназначенные для немедленного применения. Этот курс предназначен для начинающих ученых данных, инженеров облака и разработчиков, которые не знакомы с лазурным машинным обучением и хотят понять предоставление ресурсов облачного хранения. Не требуется предыдущий опыт работы с облачной инфраструктурой. Начните создавать основу для облачного машинного обучения уже сегодня.