Ajuste de hiperparâmetros com o Azure Machine Learning

Encontrar os hiperparâmetros certos para seus modelos de machine learning não deve ser um jogo de adivinhação. Usar computação em escala de nuvem permite automatizar esse processo de forma eficiente e encontrar as configurações de modelo com melhor desempenho. Neste curso, você aprenderá a configurar, executar e analisar trabalhos de ajuste de hiperparâmetros usando o Azure Machine Learning. Você entenderá como aproveitar os recursos da nuvem para melhorar sistematicamente a precisão do modelo e agilizar seus fluxos de trabalho de treinamento. O que você vai aprender: - Entenda os conceitos básicos de hiperparâmetros, espaços de pesquisa e métodos de amostragem. - Configure e execute trabalhos de varredura no Azure Machine Learning usando padrões modernos de SDK. - Aplique políticas de término antecipado para economizar tempo de computação e controlar os custos da nuvem. - Analise as métricas de execução de treinamento para identificar e selecionar o modelo de melhor desempenho. - Integre o ajuste de hiperparâmetros em pipelines modernos de aprendizado de máquina em nuvem. Este curso começa com definições fundamentais de parâmetros de modelo e estratégias de ajuste antes de guiá-lo através de explicações escritas passo a passo e configurações de código práticas. Este curso foi projetado para iniciantes em ciência de dados e desenvolvedores de nuvem que desejam dimensionar seus fluxos de trabalho de aprendizado de máquina. Não é necessária experiência prévia em nuvem, embora uma familiaridade básica com Python seja útil. Comece a otimizar seus fluxos de trabalho de machine learning com tarefas de varredura em escala de nuvem hoje mesmo.