Dans ce cours basé sur un projet, vous allez construire un pipeline d'apprentissage automatique de bout en bout dans Azure ML Studio, le tout sans écrire une seule ligne de code ! Ce cours utilise l'ensemble de données du recensement des revenus des adultes pour entraîner un modèle permettant de prédire les revenus d'un individu. Il permet de prédire si le revenu annuel d'un individu est supérieur ou inférieur à 50 000 $. L'estimateur utilisé dans ce projet est un classificateur Arbre de décision Boosting à deux classes. Certaines des caractéristiques utilisées pour entraîner le modèle sont l'âge, l'éducation, la profession, etc. Une fois que vous avez noté et évalué le modèle sur les données de test, vous allez déployer le modèle entraîné en tant que service web d'Apprentissage automatique Azure. En un peu moins d'une heure, vous serez en mesure d'envoyer de nouvelles données à l'API du service web et de recevoir les prédictions qui en résultent. Il s'agit du deuxième cours de cette série sur la création d'applications d'apprentissage automatique à l'aide d'Azure Apprentissage automatique Studio. Je vous encourage vivement à suivre le premier cours avant de continuer. Il contient des instructions sur la façon de configurer votre compte Azure ML avec 200 $ de crédit gratuit pour commencer à exécuter vos expériences !

Ce cours se déroule sur la plateforme de projets pratiques de Coursera appelée Rhyme. Sur Rhyme, vous réalisez des projets de manière pratique dans votre navigateur. Vous obtiendrez un accès instantané à des bureaux cloud préconfigurés contenant tous les logiciels et les données dont vous avez besoin pour le projet. Tout est déjà configuré directement dans votre navigateur Internet pour que vous puissiez vous concentrer sur l'apprentissage. Pour ce projet, vous obtiendrez un accès instantané à un bureau cloud avec Python, Jupyter et Scikit-learn préinstallés.Remarques : - Vous pourrez accéder au bureau cloud 5 fois. Cependant, vous pourrez accéder aux vidéos d'instructions autant de fois que vous le souhaitez - Ce cours fonctionne mieux pour les apprenants qui sont basés dans la région de l'Amérique du Nord. Nous travaillons actuellement à offrir la même expérience dans d'autres régions.