# Low code/No code Data Science projekt az Azure ML-en ## Útmutató Megnéztük, hogyan lehet az Azure ML platformot használni egy modell betanítására, telepítésére és fogyasztására Low code/No code módon. Most keress valamilyen adatot, amelyet felhasználhatsz egy másik modell betanítására, telepítésére és fogyasztására. Adatokat találhatsz például a [Kaggle](https://kaggle.com) és az [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-77958-bethanycheum&ocid=AID3041109) oldalakon. ## Értékelési szempontok | Kiemelkedő | Megfelelő | Fejlesztésre szorul | |------------|-----------|---------------------| |Az adatok feltöltésekor gondoskodtál arról, hogy szükség esetén megváltoztasd a jellemzők típusát. Az adatokat is megtisztítottad, ha szükséges volt. Egy adathalmazon AutoML segítségével végeztél betanítást, és ellenőrizted a modell magyarázatait. A legjobb modellt telepítetted, és képes voltál azt fogyasztani. | Az adatok feltöltésekor gondoskodtál arról, hogy szükség esetén megváltoztasd a jellemzők típusát. Egy adathalmazon AutoML segítségével végeztél betanítást, a legjobb modellt telepítetted, és képes voltál azt fogyasztani. | Az AutoML által betanított legjobb modellt telepítetted, és képes voltál azt fogyasztani. | --- **Felelősségkizárás**: Ez a dokumentum az [Co-op Translator](https://github.com/Azure/co-op-translator) AI fordítási szolgáltatás segítségével készült. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén javasolt a professzionális, emberi fordítás igénybevétele. Nem vállalunk felelősséget a fordítás használatából eredő félreértésekért vagy téves értelmezésekért.