2.1 KiB
Low code/No code Data Science-projekt på Azure ML
Instruktioner
Vi har set, hvordan man bruger Azure ML-platformen til at træne, implementere og forbruge en model på en Low code/No code-måde. Kig nu rundt efter nogle data, som du kan bruge til at træne en anden model, implementere den og forbruge den. Du kan finde datasæt på Kaggle og Azure Open Datasets.
Bedømmelseskriterier
| Fremragende | Tilstrækkelig | Kræver Forbedring |
|---|---|---|
| Når du uploader data, sørgede du for at ændre funktionens type, hvis det var nødvendigt. Du rensede også dataene, hvis det var nødvendigt. Du udførte en træning på et datasæt via AutoML, og du tjekkede model-forklaringerne. Du implementerede den bedste model, og du var i stand til at forbruge den. | Når du uploader data, sørgede du for at ændre funktionens type, hvis det var nødvendigt. Du udførte en træning på et datasæt via AutoML, du implementerede den bedste model, og du var i stand til at forbruge den. | Du har implementeret den bedste model, der er trænet af AutoML, og du var i stand til at forbruge den. |
Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal det bemærkes, 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 påtager os intet ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.