Episódio
Registros do AzureML - Habilitando melhor colaboração e MLOps
por Seth Juarez, Manoj Bableshwar
O AzureML Registries é um novo recurso no AzureML que estamos anunciando no Ignite, em 12 de outubro. Os registros são repositórios de ativos de Machine Learning em toda a organização, como modelos, ambientes e componentes. Os registros promovem a colaboração entre as equipes de ciência de dados, permitindo a descoberta e a reutilização de modelos de ML e ativos relacionados, melhorando a produtividade. Os registros habilitam MLOps em ambientes de desenvolvimento, teste e desenvolvimento nos quais você precisa promover ativos em vários espaços de trabalho do AzureML. Hoje, exploraremos os pontos problemáticos e os desafios com MLOps multiambiente e como os Registros podem ajudar a superá-los.
Junte-se a nós todas as sextas-feiras para uma transmissão ao vivo do AI Show no YouTube.
Capítulos
- 00:00 - Bem-vindo ao AI Show
- 00:42 - Bem-vindo Manoj
- 00:58 - O que são Registros - Enterprise Machine Learning Lifecycle no mundo real
- 04:45 - Registros no Azure ML
- 05:15 - Espaços de trabalho vs Registos
- 07:56 - Como treinar o modelo
- 12h09 - Cadastre o modelo
- 18:17 - Repescagem
- 19:36 - Saiba mais
- 20:21 - Wrap
Recursos recomendados
- Compartilhar modelos, componentes e ambientes entre espaços de trabalho com registros (visualização)
- Gerenciar registros do Aprendizado de Máquina do Azure (visualização)
- Anunciando registros no Aprendizado de Máquina do Azure para operacionalizar modelos e pipelines em escala
Episódios relacionados
Conectar
- Seth Juarez - Brasil | Twitter: @sethjuarez
O AzureML Registries é um novo recurso no AzureML que estamos anunciando no Ignite, em 12 de outubro. Os registros são repositórios de ativos de Machine Learning em toda a organização, como modelos, ambientes e componentes. Os registros promovem a colaboração entre as equipes de ciência de dados, permitindo a descoberta e a reutilização de modelos de ML e ativos relacionados, melhorando a produtividade. Os registros habilitam MLOps em ambientes de desenvolvimento, teste e desenvolvimento nos quais você precisa promover ativos em vários espaços de trabalho do AzureML. Hoje, exploraremos os pontos problemáticos e os desafios com MLOps multiambiente e como os Registros podem ajudar a superá-los.
Junte-se a nós todas as sextas-feiras para uma transmissão ao vivo do AI Show no YouTube.
Capítulos
- 00:00 - Bem-vindo ao AI Show
- 00:42 - Bem-vindo Manoj
- 00:58 - O que são Registros - Enterprise Machine Learning Lifecycle no mundo real
- 04:45 - Registros no Azure ML
- 05:15 - Espaços de trabalho vs Registos
- 07:56 - Como treinar o modelo
- 12h09 - Cadastre o modelo
- 18:17 - Repescagem
- 19:36 - Saiba mais
- 20:21 - Wrap
Recursos recomendados
- Compartilhar modelos, componentes e ambientes entre espaços de trabalho com registros (visualização)
- Gerenciar registros do Aprendizado de Máquina do Azure (visualização)
- Anunciando registros no Aprendizado de Máquina do Azure para operacionalizar modelos e pipelines em escala
Episódios relacionados
Conectar
- Seth Juarez - Brasil | Twitter: @sethjuarez
Tem comentários? Envie um problema aqui.