Использование регрессионных моделей и автоматизированного машинного обучения для прогнозирования игр с высоким риском Этот проект является результатом эксперимента по машинному обучению, в котором рассматриваются исторические хоккейные матчи 2001–2020 годов для построения регрессионной модели, способной предсказывать количество штрафных минут, которые можно ожидать для данного хоккейного матча НХЛ с учетом только команды хозяев, команда гостей, и была ли игра игрой плей-офф или матчем..

Развертывание моделей искусственного интеллекта в облаке Azure Основываясь на опыте работы над проектами AI (искусственный интеллект) и машинного обучения (машинное обучение) с платформой AML (машинное обучение Azure) с 2018 года, в этой статье мы поделимся точкой зрения ( положительные стороны ) по внедрению ваших моделей искусственного интеллекта в производство в облаке Azure с помощью MLOps. Это типичная ситуация, когда первоначальное экспериментирование (метод проб и ошибок) и..

Развертывание моделей машинного обучения Python в Функциях Azure Функциональное программирование в чистом виде не подразумевает никакого состояния и никаких побочных эффектов при вызове (поскольку нет состояния). Функции Azure (аналогично AWS Lambda и Google Cloud Functions) - это изящная концепция, в которой не требуется какой-либо явной инфраструктуры, вы просто развертываете функцию и ссылаетесь на нее через конечную точку (URI). Во время моих поисков оптимального (также..

Открытый взлом Citizen Data Science Введение Хакатон по автоматизированному машинному обучению: научиться использовать модели сборки с автоматизированным машинным обучением и развертывать их в производственной среде. Повестка дня Введение в Openhack Введение в машинное обучение Azure - 1 час Введение в Machine Learning Ops - 1 час Введение в пример использования Openhack - 4 часа Развернуть модель - 1 час Уборка - 15 минут Резюме - 1 час Сценарий использования..

Машинное обучение Azure (ML) - это комплексный инструмент для управления конвейерами машинного обучения и глубокого обучения. Он может автоматизировать обучение в больших пулах вычислительных ресурсов и помочь вам развернуть модели в производственной среде и управлять логическими выводами для производственных приложений. По мере того, как вы внедряете Azure ML в своей организации, рекомендуется более глубоко понимать его структуру и компоненты. В этой статье описываются внутренние..