Daten sind die Grundlage des maschinellen Lernens. In diesem Modul lernen Sie, wie Sie mit Datenspeichern und Datensätzen in Azure Machine Learning arbeiten und so skalierbare, Cloud-basierte Modelltrainingslösungen erstellen können. Außerdem lernen Sie, wie Sie Cloud Compute in Azure Machine Learning nutzen können, um Trainingsexperimente in großem Umfang durchzuführen.

Die Orchestrierung von Machine Learning-Trainings mit Pipelines ist ein Schlüsselelement von DevOps für Machine Learning. In diesem Modul lernen Sie, wie Sie Pipelines zum Trainieren von Modellen in Azure Machine Learning erstellen, veröffentlichen und ausführen. Außerdem lernen Sie, wie Sie ML-Modelle mit dem Azure Machine Learning Service registrieren und bereitstellen.

Modelle für maschinelles Lernen werden häufig verwendet, um Vorhersagen aus einer großen Anzahl von Beobachtungen in einem Batch-Prozess zu erstellen. Zu diesem Zweck verwenden Sie Azure Machine Learning, um eine Batch-Inferenzpipeline zu veröffentlichen. Sie werden auch Cloud-Experimente nutzen, um optimale Hyperparameterwerte für das Modelltraining zu wählen.

In diesem Modul lernen Sie, wie Sie automatisiertes maschinelles Lernen in Azure Machine Learning nutzen können, um das beste Modell für Ihre Daten zu finden. Sie erfahren, wie der differenzierte Datenschutz ein führender Ansatz ist, der nützliche Analysen ermöglicht und gleichzeitig individuell identifizierbare Datenwerte schützt. Außerdem lernen Sie die Faktoren kennen, die die Vorhersagen der Modelle beeinflussen.

Modelle für maschinelles Lernen können oft ungewollte Verzerrungen enthalten, die zu Unfairness führen. In diesem Modul lernen Sie, wie Sie Fairlearn und Azure Machine Learning nutzen können, um Unfairness in Ihren Modellen zu erkennen und abzuschwächen. Sie lernen, wie Sie Telemetrie verwenden, um zu verstehen, wie ein maschinelles Lernmodell genutzt wird, nachdem es in der Produktion eingesetzt wurde. Schließlich lernen Sie, wie Sie die Datenabweichung überwachen, um sicherzustellen, dass Ihr Modell weiterhin genaue Vorhersagen macht.