【文件属性】：
文件名称：Operationalizing-Machine-Learning-Udacity-Project2:Udacity ND的项目2
文件大小：1.44MB
文件格式：ZIP
更新时间：2021-04-21 06:56:49
JupyterNotebook
机器学习学习UdacityProject2的运作
注意：这些文件是在带有Microsoft Azure Nanodegree程序的机器学习工程师中修改并使用的文件，第二个项目：ML的可操作性
概述
该项目侧重于将Azure ML模型的部署端部署到端点，其他用户可以在其中使用REST API将其作为Web服务使用。
基于银行营销数据集创建一个AutoML模型，并为其使用部署最佳模型。 已对该部署进行了测试，以检查它是否可以访问，是否具有正确的访问权限以及是否有足够的文档（通过Swagger）供使用它的人员使用。 进行检查以验证所部署的模型是否提供了带有模型数据的json包中的模型预测。
然后创建并部署管道，并根据规则对所有管道进行检查。
以下位置显示了截屏视频，其中显示了架构以及Azure Studio中的不同模型和终结点：
下图提供了在获取最终结果的过程中遵循的体系结构：
未来的
【文件预览】：
Operationalizing-Machine-Learning-Udacity-Project2-main
----logs.py(471B)
----endpoint.py(2KB)
----resources()
--------application_insights_running.png(151KB)
--------pipeline_endpoints.png(67KB)
--------run_details_widget_2.png(76KB)
--------DEM_3.png(170KB)
--------DEM_2.png(159KB)
--------application_insights_1.png(80KB)
--------AzureML_Project2.png(25KB)
--------DEM_1.png(39KB)
--------swagger_doc.png(121KB)
--------run_details_widget_1.png(53KB)
--------application_insights_2.png(146KB)
--------DEM_4.png(147KB)
--------pipeline_scheduled_run.png(130KB)
--------API_run.png(23KB)
--------pipeline_2.png(148KB)
--------dataset_in_automl.png(97KB)
--------published_pipeline_overview.png(152KB)
--------dataset_in_automl_2.png(66KB)
--------pipeline_1.png(75KB)
--------service_principal.png(84KB)
----aml-pipelines-with-automated-machine-learning-step.ipynb(116KB)
----.gitignore(2KB)
----deploy_insights.ipynb(2KB)
----README.md(8KB)
----serve.py(1KB)