Aflevering
AzureML-registers - Betere samenwerking en MLOps inschakelen
wordt uitgevoerd met Seth Juarez, Manoj Bableshwar
AzureML-registers is een nieuwe mogelijkheid in AzureML die we op Ignite op 12 oktober aankondigen. Registers zijn opslagplaatsen voor de hele organisatie van Machine Learning-assets, zoals modellen, omgevingen en onderdelen. Registers bevorderen samenwerking tussen data science-teams door detectie en hergebruik van ML-modellen en gerelateerde assets mogelijk te maken, waardoor de productiviteit wordt verbeterd. Registers maken MLOps mogelijk in ontwikkel-, test- en prod-omgevingen waarin u assets in meerdere AzureML-werkruimten moet promoveren. Vandaag verkennen we de pijnpunten en uitdagingen met MLOps voor meerdere omgevingen en hoe registers kunnen helpen deze te overwinnen.
Doe elke vrijdag mee voor een livestream van ai-show op YouTube.
Hoofdstukken
- 00:00 - Welkom bij de AI-voorstelling
- 00:42 - Welkom Manoj
- 00:58 - Wat zijn registers - Levenscyclus van Enterprise Machine Learning in de echte wereld
- 04:45 - Registers in Azure ML
- 05:15 - Werkruimten versus registers
- 07:56 - Het model trainen
- 12:09 - Het model registreren
- 18:17 - Samenvatting
- 19:36 - Meer informatie
- 20:21 - Wrap
Aanbevolen informatiebronnen
- Modellen, onderdelen en omgevingen delen in werkruimten met registers (preview)
- Azure Machine Learning-registers beheren (preview)
- Aankondiging van registers in Azure Machine Learning om modellen en pijplijnen op schaal operationeel te maken
Verwante afleveringen
Verbinden
- Seth Juarez | Twitter: @sethjuarez
AzureML-registers is een nieuwe mogelijkheid in AzureML die we op Ignite op 12 oktober aankondigen. Registers zijn opslagplaatsen voor de hele organisatie van Machine Learning-assets, zoals modellen, omgevingen en onderdelen. Registers bevorderen samenwerking tussen data science-teams door detectie en hergebruik van ML-modellen en gerelateerde assets mogelijk te maken, waardoor de productiviteit wordt verbeterd. Registers maken MLOps mogelijk in ontwikkel-, test- en prod-omgevingen waarin u assets in meerdere AzureML-werkruimten moet promoveren. Vandaag verkennen we de pijnpunten en uitdagingen met MLOps voor meerdere omgevingen en hoe registers kunnen helpen deze te overwinnen.
Doe elke vrijdag mee voor een livestream van ai-show op YouTube.
Hoofdstukken
- 00:00 - Welkom bij de AI-voorstelling
- 00:42 - Welkom Manoj
- 00:58 - Wat zijn registers - Levenscyclus van Enterprise Machine Learning in de echte wereld
- 04:45 - Registers in Azure ML
- 05:15 - Werkruimten versus registers
- 07:56 - Het model trainen
- 12:09 - Het model registreren
- 18:17 - Samenvatting
- 19:36 - Meer informatie
- 20:21 - Wrap
Aanbevolen informatiebronnen
- Modellen, onderdelen en omgevingen delen in werkruimten met registers (preview)
- Azure Machine Learning-registers beheren (preview)
- Aankondiging van registers in Azure Machine Learning om modellen en pijplijnen op schaal operationeel te maken
Verwante afleveringen
Verbinden
- Seth Juarez | Twitter: @sethjuarez
Wilt u feedback geven? Dien hier een probleem in.