# Data Science-projekt ved brug af Azure ML SDK ## Instruktioner Vi har set, hvordan man bruger Azure ML-platformen til at træne, implementere og anvende en model med Azure ML SDK. Nu kan du finde noget data, som du kan bruge til at træne en anden model, implementere den og anvende den. Du kan finde datasæt på [Kaggle](https://kaggle.com) og [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-77958-bethanycheum&ocid=AID3041109). ## Bedømmelseskriterier | Fremragende | Tilstrækkelig | Kræver forbedring | |-------------|---------------|-------------------| |Ved opsætning af AutoML-konfigurationen gennemgik du SDK-dokumentationen for at se, hvilke parametre du kunne bruge. Du udførte en træning på et datasæt via AutoML ved brug af Azure ML SDK, og du undersøgte model-forklaringerne. Du implementerede den bedste model og var i stand til at anvende den via Azure ML SDK. | Du udførte en træning på et datasæt via AutoML ved brug af Azure ML SDK, og du undersøgte model-forklaringerne. Du implementerede den bedste model og var i stand til at anvende den via Azure ML SDK. | Du udførte en træning på et datasæt via AutoML ved brug af Azure ML SDK. Du implementerede den bedste model og var i stand til at anvende den via Azure ML SDK. | --- **Ansvarsfraskrivelse**: Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi er ikke ansvarlige for eventuelle misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.