概述
透過 Microsoft 應用技能驗證你的技術能力,開啟新的晉升可能。
要用 Azure Machine Learning 訓練機器學習模型,你需要提供資料並配置必要的運算。在訓練模型並用 MLflow 追蹤模型指標後,你可以決定將模型部署到線上端點進行即時預測。在這段學習路徑中,你會探索如何建立 Azure 機器學習工作空間,接著訓練並部署機器學習模型。
為什麼選擇 KORNERSTONE
- 經認證、由實務人員主導的專家證書培訓師,提供高品質的培訓
- 官方訓練資料包含
- 實務、情境導向學習——著重應用,而非僅理論
- 優秀的通過率
涵蓋技能
- 在 Azure 機器學習
- 準備模型訓練
- 建立並配置模型訓練腳本作為指令工作
- 使用 MLflow
- 部署模型以供即時使用
中建立開發環境
資料
管理產物
。
先決條件
參加此課程無需先決條件。
目標受眾
- 人工智慧工程師
- 資料工程師
- 開發者
- 資料科學家
培訓大綱
模組 1:讓資料在 Azure 機器學習
中可用學習如何連接 Azure 機器學習工作區的資料。你會接觸到資料儲存庫和資料資產。
學習目標
在本單元中,您將學習如何:
- 使用統一資源識別碼(URI)存取資料。
- 連接帶有資料儲存庫的雲端資料來源。
- 使用資料資產存取特定檔案或資料夾。
模組 2:在 Azure 機器學習
中操作計算目標學習如何在 Azure 機器學習中操作計算目標。計算目標讓你能執行機器學習工作負載。探索何時以及如何使用運算實例或運算叢集。
學習目標
在本單元中,您將學習如何:
- 選擇適當的計算目標。
- 操作運算實例與叢集。
- 管理已安裝的套件與環境。
模組 3:在 Azure 機器學習
中操作環境學習如何在 Azure Machine Learning 中使用環境,在任何計算目標上執行腳本。
學習目標
在本單元中,你將學習如何:
- 理解 Azure 機器學習中的環境。
- 探索並使用精心策劃的環境。
- 建立並使用自訂環境。
模組 4:在 Azure Machine Learning
中執行訓練腳本作為指令任務學習如何將程式碼轉換成腳本,並在 Azure Machine Learning 中執行為指令工作。
學習目標
在本單元中,你將學習如何:
- 將筆記本轉換成腳本。
- 終端機中測試腳本。
- 將腳本作為指令工作執行。
- 指令工作中使用參數。
在
在
模組 5:在工作
中使用 MLflow 追蹤模型訓練學習如何在執行腳本時,在工作中追蹤 MLflow 的模型訓練。
學習目標
在這個模組中,你將學習如何:
- 當你執行腳本作為工作時,如何使用 MLflow。
- 回顧執行時的指標、參數、工件和模型。
模組 6:在 Azure Machine Learning 中註冊 MLflow 模型
學習如何在 Azure 機器學習中登錄並註冊 MLflow 模型。
學習目標
在本模組中,你將學習如何:
- 使用 MLflow 記錄模型。
- 了解 MLmodel 格式。
- 在 Azure 機器學習中註冊一個 MLflow 模型。
模組 7:將模型部署到受管線上端點
學習如何將模型部署到受管線上端點以進行即時推論。
學習目標
在本單元中,您將學習如何:
- 使用受管線上端點。
- 將您的 MLflow 模型部署到受管線上端點。
- 將自訂模型部署到受管線上端點。
- 測試線上端點。
日期與地點

考試與認證
要取得此 Microsoft 應用技能證照,你需要展現你使用 Azure 機器學習訓練和管理機器學習模型的能力。
作為此證照的候選人,你應該:
- 熟悉 Azure 服務。
- 具備使用 Azure 機器學習與 MLflow 的經驗。
- 具備使用 Python 執行機器學習相關任務的經驗。





