Cấu hình mục tiêu tính toán trong Azure Machine Learning

Chạy các công việc học máy trong đám mây đòi hỏi một hiểu biết vững chắc về cách phân bổ và quản lý năng lượng xử lý thô. Biết khi nào và cách triển khai các môi trường thực hiện khác nhau là chìa khóa để xây dựng các đường ống khoa học dữ liệu hiệu quả về chi phí và có thể mở rộng. Lớp học viết này hướng dẫn bạn qua quá trình thiết lập, cấu hình và quản lý các mục tiêu tính toán trong Azure Machine Learning. Bạn sẽ chuyển từ thực hiện cục bộ thủ công sang phối hợp các nguồn lực đám mây có thể mở rộng phù hợp với nhu cầu đào tạo và triển khai cụ thể của bạn. Bạn sẽ học được gì: Hiểu được thuật ngữ và kiến trúc cơ bản của máy tính học máy tính dựa trên đám mây; Cấu hình các trường hợp tính toán cho phát triển tương tác và phân tích dữ liệu thám hiểm; Thiết lập các cụm tính toán có thể mở rộng để xử lý các công việc đào tạo quy mô lớn và xử lí song song; Ứng dụng các chiến lược quản lý chi phí hiện đại để tối ưu hóa phân bổ tài nguyên và ngăn chặn vượt ngân sách; Chọn loại tính toán phù hợp, bao gồm các tùy chọn serverless, dựa trên yêu cầu về khối lượng công việc của bạn; Khắc phục lỗi thực hiện phổ biến và giám sát chỉ số hiệu suất tính toán. Chương trình bắt đầu với các định nghĩa cơ bản và các khái niệm cốt lõi của cơ sở hạ tầng đám mây trước khi chuyển bước qua bước bằng cách thiết lập các trường hợp, quy mô cụm, và thực hiện tự động hóa thân thiện với ngân sách. Bạn sẽ đọc các lời giải thích chi tiết và xem lại các ví dụ cấu hình thực tế được thiết kế cho ứng dụng ngay lập tức. Lớp học này được thiết kế cho các nhà khoa học dữ liệu mới bắt đầu, kỹ sư đám mây và nhà phát triển mới đến Azure Machine Learning và muốn hiểu việc cung cấp tài nguyên đám mờ. Không cần kinh nghiệm cơ sở hạ tầng đám mây trước đó. Bắt đầu xây dựng nền tảng học máy đám mây của bạn ngay hôm nay.