DAY21 用 Azure Machine Learning SDK 建立運算資源 資料集也建立完成了,今天我們就來建立運算資源(VM)吧!還記得我們之前討論過...
本次建立的CD pipeline中,會有兩個部分:(1)模型自動部署到測試環境(staging area) (上篇文章)(2)模型自動部署到正式環境(produ...
DAY17 介紹 Azure Machine Learning SDK 我們前面一半的課程,學習了透過圖形化介面,學習了 Azure Machine Leari...
DAY10 用 Automated ML 快速開發 今天我們來體驗一下 AML 的 Automated ML 的威力。透過 AutoML 的工具,我們可以很快速...
DAY09 部署用 Designer 做好的 Pipeline 到 Batch 有些應用場合是 Batch 比較好用。舉例來說,我們有一大批的資料,想透過我們訓...
DAY24 Azure Machine Learning SDK 的 ScriptRunConfig 我們在訓練模型的過程中,常常會寫好訓練用的 script,...
DAY15 Azure Machine Learning 裡的多人協作---談 RBAC 鐵人賽已經過了一半,相信大家都熟悉了 AML 大部份的操作了,現在開始...
DAY22 用 Azure Machine Learning SDK 建立環境 我們在前面圖形化介面時,有個地方沒有認真帶大家看過,就是下圖的 Environm...
DAY12 在 Azure Machine Learning 裡 Label data(上) Azure Machine Learning 提供了 label...
DAY18 用 Azure Machine Learning SDK 建立 Workspace 大家還記得我們在一開始學習 Azure Machine Lear...
DAY29 用 Application Insights 來監視部署的模型 我們已經把大部份的 Azure Machine Learning SDK 講完了,我...
在上一篇【Azure MLOps - 3】使用Azure DevOps建立訓練模型的CI pipeline(上)中執行測試程式碼的任務,這篇會繼續建立後半部本篇...
本系列最後一篇文章!在前面建立了一條CI pipeline和一條CD pipeline:(1) CI pipeline流程,負責上傳、註冊訓練資料到Azure...
延續上一篇文章,當CI pipeline執行結束後,模型會被下載到【pipeline published artifact區域】。接下來,就把【pipeline...
上兩篇終於把CI pipeline建立完成,CI pipeline做的就是把資料科學家會在Azure Machine Learning (AML)執行的所有任務...