You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
25 lines
2.1 KiB
25 lines
2.1 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "8fdc4a5fd9bc27a8d2ebef995dfbf73f",
|
|
"translation_date": "2025-08-28T10:40:16+00:00",
|
|
"source_file": "5-Data-Science-In-Cloud/18-Low-Code/assignment.md",
|
|
"language_code": "it"
|
|
}
|
|
-->
|
|
# Progetto di Data Science Low code/No code su Azure ML
|
|
|
|
## Istruzioni
|
|
|
|
Abbiamo visto come utilizzare la piattaforma Azure ML per addestrare, distribuire e consumare un modello in modalità Low code/No code. Ora cerca dei dati che potresti utilizzare per addestrare un altro modello, distribuirlo e consumarlo. Puoi cercare dataset su [Kaggle](https://kaggle.com) e [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-77958-bethanycheum&ocid=AID3041109).
|
|
|
|
## Criteri di valutazione
|
|
|
|
| Esemplare | Adeguato | Da migliorare |
|
|
|-----------|----------|---------------|
|
|
|Quando hai caricato i dati, ti sei assicurato di modificare il tipo delle caratteristiche, se necessario. Hai anche pulito i dati, se necessario. Hai eseguito un addestramento su un dataset tramite AutoML e hai controllato le spiegazioni del modello. Hai distribuito il miglior modello e sei stato in grado di consumarlo. | Quando hai caricato i dati, ti sei assicurato di modificare il tipo delle caratteristiche, se necessario. Hai eseguito un addestramento su un dataset tramite AutoML, hai distribuito il miglior modello e sei stato in grado di consumarlo. | Hai distribuito il miglior modello addestrato da AutoML e sei stato in grado di consumarlo. |
|
|
|
|
---
|
|
|
|
**Disclaimer**:
|
|
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica [Co-op Translator](https://github.com/Azure/co-op-translator). Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche potrebbero contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si consiglia una traduzione professionale eseguita da un traduttore umano. Non siamo responsabili per eventuali fraintendimenti o interpretazioni errate derivanti dall'uso di questa traduzione. |