Projektowanie i wdrażanie rozwiązań analitycznych w Azure
Ćwiczenia do kursu
Witaj w ćwiczeniach praktycznych do kursu DP-100 Designing and Implementing an Azure Data Science Solution. Ćwiczenia towarzyszą zajęciom i pozwalają przećwiczyć technologie omawiane na wykładzie.
Wykonuj je po kolei, uważnie trzymając się instrukcji w kolejnych plikach. Część ćwiczeń wymaga sklonowania tego repozytorium do własnego środowiska pracy.
Czego potrzebujesz: ćwiczenia wymagają subskrypcji Microsoft Azure. Jeśli prowadzący jej nie udostępnił, możesz założyć bezpłatną wersję próbną na https://azure.microsoft.com.
Moduł 1: Wprowadzenie do Azure Machine Learning
- Lab 1A: Tworzenie obszaru roboczego Azure Machine Learning
- Lab 1B: Praca z narzędziami Azure Machine Learning
Moduł 2: Uczenie maszynowe bez pisania kodu (Designer)
- Lab 2A: Tworzenie potoku treningowego za pomocą Azure ML Designer
- Lab 2B: Wdrażanie punktu końcowego czasu rzeczywistego za pomocą Azure ML Designer
Moduł 3: Uruchamianie eksperymentów i trenowanie modeli
Moduł 4: Praca z danymi
Moduł 5: Gdzie wykonuje się kod
- Lab 5A: Środowiska uruchomieniowe (pakiety i kontenery)
- Lab 5B: Środowiska obliczeniowe (gdzie wykonuje się kod)
Moduł 6: Porządkowanie pracy za pomocą potoków
Moduł 7: Wdrażanie modeli i korzystanie z nich
- Lab 7A: Tworzenie usługi wnioskowania w czasie rzeczywistym
- Lab 7B: Tworzenie usługi wnioskowania wsadowego
Moduł 8: Szukanie najlepszego modelu
Moduł 9: Interpretowanie modeli
- Lab 9A: Przeglądanie wyjaśnień modeli z automatycznego uczenia maszynowego
- Lab 9B: Interpretowanie modeli
Moduł 10: Monitorowanie modeli
Ważne - to kosztuje pieniądze: pamiętaj, żeby zatrzymywać maszyny wirtualne, gdy przestają być potrzebne. Instancja obliczeniowa nalicza opłaty przez cały czas, w którym działa, także wtedy, gdy nic na niej nie liczysz. Po ukończeniu wszystkich ćwiczeń rozważ usunięcie utworzonej grupy zasobów, jeśli nie planujesz dalszych eksperymentów.