@navidcasts


این منبع، راهنمای جامعی برای راه‌اندازی و مدیریت فضای کاری یادگیری ماشین Azure است. در ابتدا، به معرفی و تشریح معماری Azure Machine Learning شامل اجزای اصلی مانند فضای کاری (Workspace)، منابع مدیریت شده، سرویس‌های مرتبط، وابستگی‌ها و دارایی‌ها می‌پردازد. سپس، جزئیات ایجاد و استفاده از منابع محاسباتی (Compute Resources) از جمله نمونه‌های محاسباتی (Compute Instances) و خوشه‌های محاسباتی (Compute Clusters) را بیان می‌کند که برای آموزش و استقرار مدل‌های یادگیری ماشین ضروری هستند. بخش‌های بعدی بر گردش کار داده‌ها (Data Workflow)، ایجاد و مدیریت حساب‌های ذخیره‌سازی (Storage Accounts)، ذخیره‌سازی‌های داده (Data Stores) و دارایی‌های داده (Data Assets) تمرکز دارند که همگی برای ذخیره و دسترسی به داده‌ها در پروژه‌های یادگیری ماشین حیاتی هستند.