Гиперпараметрическая настройка с помощью Azure Machine Learning

Выбор правильных гиперпараметров для моделей машинного обучения не должен быть игрой в догадки. Использование облачных вычислений позволяет эффективно автоматизировать этот процесс и находить наиболее эффективные конфигурации моделей. В этом курсе вы узнаете, как настроить, выполнить и проанализировать задания настройки гиперпараметров с помощью лазурного машинного обучения. Вы узнаете, как использовать облачные ресурсы для систематического повышения точности моделей и оптимизации рабочих процессов обучения. Что вы узнаете: - Понять основные понятия гиперпараметров, поисковых пространств и методов выборки. - Настройте и запустите задания развертки в лазурном машинном обучении с использованием современных шаблонов SDK. - Применяйте политики раннего прекращения, чтобы сэкономить время вычислений и контролировать затраты на облако. - Анализировать показатели тренировочного запуска для определения и выбора наиболее эффективной модели. - Интегрируйте настройку гиперпараметров в современные конвейеры облачного машинного обучения. Этот курс начинается с основных определений параметров модели и стратегий настройки, а затем вы пройдете пошаговые письменные объяснения и практические конфигурации кода. Этот курс предназначен для начинающих ученых данных и облачных разработчиков, которые хотят масштабировать свои рабочие процессы машинного обучения. Не требуется предыдущего опыта работы в облаке, хотя полезно знакомиться с Python. Начните оптимизировать рабочие процессы машинного обучения с помощью задач сканирования в облачном масштабе уже сегодня.