|
|
@ -0,0 +1,11 @@
|
|
|
|
|
|
|
|
# Проект Data Science с низким кодом/без кода на Azure ML
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Инструкции
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Мы увидели, как использовать платформу Azure ML для обучения, развертывания и потребления модели в режиме "мало кода/нет кода". Теперь поищем данные, которые можно использовать для обучения другой модели, ее развертывания и потребления. Вы можете поискать наборы данных на [Kaggle](https://kaggle.com) и [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-40229-cxa&ocid=AID3041109).
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## Рубрика
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| Образцовый | Адекватный | Требующий улучшения |
|
|
|
|
|
|
|
|
|-----------|----------|-------------------|
|
|
|
|
|
|
|
|
|При загрузке данных вы позаботились об изменении типа функции, если это было необходимо. Вы также очистили данные, если это было необходимо. Вы провели обучение на наборе данных с помощью AutoML и проверили объяснения модели. Вы развернули лучшую модель и смогли ее использовать. | При загрузке данных вы позаботились об изменении типа признака, если это было необходимо. Вы провели обучение на наборе данных с помощью AutoML, развернули лучшую модель и смогли ее использовать. | Вы развернули лучшую модель, обученную AutoML, и смогли ее использовать. |
|