Data-Science-For-Beginners/translations/mo/5-Data-Science-In-Cloud/18-Low-Code/assignment.md

<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "8fdc4a5fd9bc27a8d2ebef995dfbf73f",
  "translation_date": "2025-08-27T09:33:59+00:00",
  "source_file": "5-Data-Science-In-Cloud/18-Low-Code/assignment.md",
  "language_code": "mo"
}
-->
# Azure ML 平台上的低代碼/無代碼數據科學項目

## 說明

我們已經學習如何使用 Azure ML 平台以低代碼/無代碼的方式進行模型的訓練、部署和使用。現在，請尋找一些可以用來訓練其他模型的數據，並將其部署和使用。您可以在 [Kaggle](https://kaggle.com) 和 [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-77958-bethanycheum&ocid=AID3041109) 上尋找數據集。

## 評分標準

| 卓越 | 合格 | 需要改進 |
|------|------|----------|
|在上傳數據時，您注意到了是否需要更改特徵的類型。如果需要，您也清理了數據。您使用 AutoML 在數據集上進行了訓練，並檢查了模型解釋。您部署了最佳模型，並成功使用了它。|在上傳數據時，您注意到了是否需要更改特徵的類型。您使用 AutoML 在數據集上進行了訓練，部署了最佳模型，並成功使用了它。|您部署了由 AutoML 訓練的最佳模型，並成功使用了它。|

---

**免責聲明**：  
本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。