实体
Azure ML
Azure ML
PulseAugur coverage of Azure ML — every cluster mentioning Azure ML across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
Azure ML MLOps：部署、自动化和优化技术
此文章集详细介绍了 Azure ML 中的各种 MLOps 实践。它涵盖了使用具有蓝绿部署策略的托管在线终结点来部署和监控模型。此外，它还探讨了通过 OIDC 联合使用 GitHub Actions 自动化 ML 训练，以及利用 Azure ML CLI v2。文章还重点介绍了使用 Command 作业和 MLflow 自动日志记录来优化模型训练，以及使用 Azure ML AutoML 和 MLflow 跟踪来查找最佳分类模型。
-
MLflow、Hugging Face Hub、Azure ML 的 MLOps 对比
本文比较了三个流行的 MLOps 平台：MLflow、Hugging Face Hub 和 Azure ML。MLflow 提供了高度的灵活性但内置治理功能有限，适合需要精细控制的用户。Hugging Face Hub 在模型共享和社区功能方面表现出色，而 Azure ML 则为企业用户提供了强大的治理功能，是一个全面的集成解决方案。
-
探讨机器学习研究进展、系统设计模式及战略性问题选择
Eugene Yan 的系列文章探讨了在实际系统中应用机器学习的实用方面。他强调在实施机器学习之前，应先从启发式方法开始项目，设计模式对于高效的数据处理和系统维护的重要性，以及基于成本效益分析仔细选择问题的必要性。Yan 还详细介绍了部署机器学习模型后遇到的常见挑战，如数据污染和反馈循环，并提出了有效的项目管理和系统维护策略。