dotnet / dotnet/machinelearning-modelbuilder
Azure Integration
- Vorherrschende Sprache
- Dockerfile
- Sterne
- 285
- Forks
- 66
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Beschreibung
## Work Items
- [ ] #2197
- [ ] Investigate what it would take to run ML.NET AutoML API in the cloud.
- [x] #2202
---
## Tracking / Related issues
Azure Integration/MLOps
- [ ] Sample using the SDK (Tracked in #2266)
---
- [x] Create Docker ML.NET Azure custom curated environment file https://github.com/dotnet/machinelearning-modelbuilder/tree/main/Dockerfiles
## Open Questions
- [ ] How can we parallelize training? @luisquintanilla
- [ ] How are we going to manage data? @luisquintanilla
Beitragsleitfaden
Für dieses Repository ist kein Beitragsleitfaden indexiert
Rechercherichtung
Beginne mit der Prüfung des nicht abgehakten Arbeitspunkts #2197 und des in #2266 erfassten MLOps SDK-Beispiels und untersuche anschließend das im Issue verlinkte Verzeichnis Dockerfiles. Der verbleibende Umfang umfasst cloud AutoML, Trainingsparallelisierung und Datenverwaltung; für den Abschluss müssten diese offenen Fragen geklärt und die ausstehende Azure-Integrationsarbeit abgeschlossen werden.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Bewertung
- Tech-Stack
- azure, dockerfile
- Bereich
- cloud, machine-learning
- Issue-Typ
- Feature
- Schwierigkeit
- 5/5
- Geschätzter Aufwand
- Über eine Woche
- Aktivitätsstatus
- Veraltet
- Klarheit
- Muss geklärt werden
- Anfängerfreundlichkeit
- 20/100