Ce module explore l'infrastructure nécessaire pour construire, former et rendre opérationnels les flux de travail d'apprentissage automatique dans Azure Apprentissage automatique. Les apprenants acquerront une expérience pratique en configurant des instances de calcul et des clusters, en construisant des pipelines ML visuels à l'aide d'Azure ML Designer, en intégrant du code Python personnalisé et en évaluant les résultats de l'exécution. Le module couvre également la résolution des erreurs et l'examen des résultats du module pour assurer la fiabilité du flux de travail et la performance du modèle.

Ce module fournit aux apprenants les compétences nécessaires pour automatiser et personnaliser les workflows d'apprentissage automatique à l'aide du SDK d'Apprentissage automatique Azure. Il présente la configuration de l'environnement SDK, la création et la gestion des espaces de travail de manière programmatique, l'exécution des flux de travail de formation et d'expérimentation de modèles, et la mise en œuvre d'AutoML et d'HyperDrive pour l'automatisation et le réglage avancés. Grâce à des activités pratiques basées sur le code, les apprenants acquièrent de l'expérience en travaillant avec des scripts, des expériences, des pipelines et l'optimisation des hyperparamètres.

Ce module se concentre sur l'opérationnalisation des modèles d'apprentissage automatique en guidant les apprenants à travers l'enregistrement des modèles, le déploiement des points de terminaison et la publication des pipelines à l'aide d'Azure Apprentissage automatique. Il couvre les options de calcul prêtes à la production, les déploiements d'inférence en temps réel et par lots, et se termine par les meilleures pratiques pour conclure un flux de travail ML complet. À la fin de ce module, les apprenants seront équipés pour passer de l'expérimentation au déploiement évolutif en utilisant les approches Conception expérimentale et SDK.