9 - Encontrar o melhor modelo de classificação com o Machine Learning Automatizado
Pré-processar dados e configurar a definição de recursos
Executar um experimento de ML automatizado
Avaliar e comparar modelos
10 - Acompanhar o treinamento de modelos em notebooks Jupyter com o MLflow
Configurar o MLflow para acompanhamento de modelo em notebooks
Treinar e acompanhar modelos em notebooks
11 - Executar um script de treinamento como um trabalho de comando no Azure Machine Learning
Converter um notebook em um script
Executar um script como um trabalho de comando
Usar parâmetros em um trabalho de comando
12 - Acompanhar o treinamento de modelo com o MLflow em trabalhos
Acompanhar métricas com o MLflow
Exibir métricas e avaliar modelos
13 - Executar pipelines no Azure Machine Learning
Criar componentes
Criar um pipeline
Executar um trabalho de pipeline
14 - Executar o ajuste de hiperparâmetro com o Azure Machine Learning
Definir espaço de pesquisa
Configurar um método de amostragem
Configurar término antecipado
Usar um trabalho de varredura para ajuste de hiperparâmetro
15 - Implantar um modelo em um ponto de extremidade online gerenciado
Explorar pontos de extremidade online gerenciados
Implantar um modelo do MLflow em um ponto de extremidade online gerenciado
Implantar um modelo em um ponto de extremidade online gerenciado
Testar pontos de extremidade online gerenciados
16 - Implantar um modelo em um ponto de extremidade em lote
Entender e criar pontos de extremidade em lote
Implantar seu modelo do MLflow em um ponto de extremidade em lote
Implantar um modelo personalizado em um ponto de extremidade em lote
Invocar e solucionar problemas de pontos de extremidade em lote
