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

<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "8fdc4a5fd9bc27a8d2ebef995dfbf73f",
  "translation_date": "2025-08-25T17:26:50+00:00",
  "source_file": "5-Data-Science-In-Cloud/18-Low-Code/assignment.md",
  "language_code": "zh"
}
-->
# 在 Azure ML 上进行低代码/无代码数据科学项目

## 指南

我们已经学习了如何使用 Azure ML 平台以低代码/无代码的方式训练、部署和使用模型。现在，请寻找一些可以用来训练另一个模型的数据，部署并使用它。你可以在 [Kaggle](https://kaggle.com) 和 [Azure Open Datasets](https://azure.microsoft.com/services/open-datasets/catalog?WT.mc_id=academic-77958-bethanycheum&ocid=AID3041109) 上查找数据集。

## 评分标准

| 卓越 | 合格 | 需要改进 |
|------|------|----------|
|上传数据时，如果有必要，你注意更改了特征的类型。同时，你对数据进行了清理（如果需要）。你通过 AutoML 对数据集进行了训练，并检查了模型的解释。你部署了最佳模型，并成功使用了它。|上传数据时，如果有必要，你注意更改了特征的类型。你通过 AutoML 对数据集进行了训练，部署了最佳模型，并成功使用了它。|你部署了 AutoML 训练的最佳模型，并成功使用了它。|

**免责声明**：  
本文档使用AI翻译服务[Co-op Translator](https://github.com/Azure/co-op-translator)进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文档应被视为权威来源。对于重要信息，建议使用专业人工翻译。我们不对因使用此翻译而产生的任何误解或误读承担责任。