# Projekt Data Science w stylu Low code/No code na Azure ML ## Instrukcje Widzieliśmy, jak korzystać z platformy Azure ML, aby trenować, wdrażać i używać modelu w sposób Low code/No code. Teraz poszukaj danych, które możesz wykorzystać do trenowania innego modelu, wdrożenia go i używania. Możesz znaleźć zestawy danych na [Kaggle](https://kaggle.com) oraz [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-77958-bethanycheum&ocid=AID3041109). ## Kryteria oceny | Wzorowe | Wystarczające | Wymaga poprawy | |---------|---------------|----------------| |Podczas przesyłania danych zadbałeś o zmianę typu cech, jeśli było to konieczne. Oczyściłeś dane, jeśli było to potrzebne. Przeprowadziłeś trening na zestawie danych za pomocą AutoML i sprawdziłeś wyjaśnienia modelu. Wdrożyłeś najlepszy model i byłeś w stanie go używać. | Podczas przesyłania danych zadbałeś o zmianę typu cech, jeśli było to konieczne. Przeprowadziłeś trening na zestawie danych za pomocą AutoML, wdrożyłeś najlepszy model i byłeś w stanie go używać. | Wdrożyłeś najlepszy model wytrenowany przez AutoML i byłeś w stanie go używać. | **Zastrzeżenie**: Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI [Co-op Translator](https://github.com/Azure/co-op-translator). Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za wiarygodne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.