Dieser Kurs führt durch das Hands On Lab, welches unter studio (dot) azureml (dot) net zur Verfügung gestellt wird.

Einführung und Anmeldung

• In der Einführung sehen wir einen kurzen Überblick über die Möglichkeiten von Studio ML, sowie die einzelnen Beispiele, die in diesem Hands On Lab behandelt werden.

• Danach melden wir uns bei studio (dot) azureml (dot) net an, um eine Testumgebung für unsere weiteren Beispiele zu erstellen.

Durchführung der Experimente

• Zu Beginn navigieren wir durch einzelne Elemente, um einen Überblick über die Verwendung von Studio ML zu bekommen, und mögliche Module für unsere weiteren Beispiele kennenlernen.

• Danach erstellen und verwenden wir unser erstes Modell unter Verwendung von Linearer Regression, generieren dafür ein Web Service und stellen dieses durch Deployment auch zur Verfügung

• Anschließend verwenden wird dasselbe Beispiel, um zu zeigen, wie wir die Anzahl der Verwendeten Spalten aus dem Dataset, und damit die Ausgabemenge des Web Services einschränken können.

• Als nächstes lernen wir kennen, wie wir nun dieses Modell validieren und dessen Ergebnisse visualisieren können.

• Weiters zeigen wir Funktionalität von Studio ML, die es uns ermöglicht, verschiedene Analyseansätze und die sich daraus ergebenden Ergebnisse miteinander vergleichen können

• Schließlich lernen wir Beispielhaft auch die Binäre Klassifizierung kennen, und visualisieren dabei auch die sich daraus ergebenden Ergebnisbäume

• Um abschließend auch hier zwei verschiedene Methoden zur binären Klassifizierung vergleichen und die Ergebnisunterschiede kurz visualisieren.