描述
Azure Machine Learning 是一项基于云的服务，旨在加速和管理机器学习生命周期。它提供了一个集成环境，数据科学家和开发人员可以在其中大规模地训练、部署和管理机器学习模型。该平台支持广泛的机器学习任务，从数据准备和模型训练到部署和监控。
用户可以通过提供的快速入门指南快速上手，并探索涵盖机器学习开发各个方面的深入教程。文档详细介绍了如何准备和探索数据、在云工作站上进行开发、使用不同方法训练模型以及有效地部署它们。它强调通过利用提示流（prompt flow）等功能来构建生成式 AI 应用，并与 Apache Spark 集成以进行大规模数据处理来构建 AI 解决方案。
该框架支持 MLOps（机器学习运维）最佳实践，使用户能够通过实时评分终结点来简化模型部署。它还提供了关于跟踪、监控和分析训练运行的指导，以及模型管理、部署和监控策略。ML 项目的安全性是关键重点，文档提供了关于创建安全工作区、连接到数据源以及实施企业安全和治理的指导。
Azure Machine Learning 适用于希望在强大且可扩展的云环境中构建、部署和管理机器学习解决方案的数据科学家、ML 工程师和开发人员。它通过其 Python SDK (v2)、CLI (v2) 和 REST API 提供灵活性，满足各种开发偏好和集成需求。该平台旨在通过为初学者和经验丰富的专业人士提供易于访问的工具和全面的文档来普及 AI 开发。
Azure Machine Learning的核心功能
模型训练和部署
MLOps 最佳实践
用于生成式 AI 的提示流
Apache Spark 集成
云工作站开发
带终结点的实时评分
模型生命周期管理
安全和治理功能
Python SDK (v2)
CLI (v2)
REST API 支持
数据资产创建
管道构建
Azure Machine Learning入门
设置与快速入门：创建资源并开始使用 Azure Machine Learning。
教程：准备数据、在云工作站上开发并训练模型。
部署模型：使用终结点简化模型部署以进行实时评分。
管理 ML 生命周期：通过 MLOps 实践跟踪、监控和分析训练运行。
构建 AI 解决方案：利用提示流构建生成式 AI 应用。
使用 Apache Spark：集成 Spark 进行大规模数据处理。
安全工作区：为 ML 项目创建安全环境。
Azure Machine Learning的使用案例
- 模型训练
- 模型部署
- ML 生命周期管理
- 生成式 AI
- 大规模数据处理
- 安全 ML 环境
- 数据准备
