설명

상자 1: 데이터 저장소
현재 작업 공간에 등록된 특정 데이터 저장소를 가져오려면 Datastore 클래스에서 get() 정적 메서드를 사용합니다.
# 현재 작업 공간에서 명명된 데이터 저장소 가져오기
데이터 저장소 = Datastore.get(ws, datastore_name='데이터 저장소 이름')
상자 2: ws
상자 3: demo_datastore
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-access-data

설명:
상자 1: 예
랜덤 샘플링에서 하이퍼파라미터 값은 정의된 검색 공간에서 무작위로 선택됩니다. 랜덤 샘플링을 사용하면 검색 공간에 이산 및 연속 하이퍼파라미터가 모두 포함될 수 있습니다.
상자 2: 예
learning_rate는 평균 값이 10이고 표준 편차가 3인 정규 분포를 갖습니다.
Box 3: No
keep_probability는 최소값이 0.05이고 최대값이 0.1인 균일한 분포를 갖습니다.
Box 4: No
number_of_hidden_layers는 [3, 4, 5] 값 중 하나를 사용합니다.
참조:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters

설명:
Azure Machine Learning Studio에서 Clip Values ​​모듈을 사용하여 지정된 임계값보다 높거나 낮은 데이터 값을 식별하고 선택적으로 바꿀 수 있습니다. 이는 이상치를 제거하거나 평균, 상수 또는 기타 대체 값으로 대체하려는 경우에 유용합니다.
참조:
https://blogs.msdn.microsoft.com/azuredev/2017/05/27/data-cleansing-tools-in-azure-machine-learning/
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/clip-values

1 - 글로벌 모델을 가져오고 PyTorch를 사용하여 로컬 모델을 빌드합니다.
2 - PyTorch를 사용하여 글로벌 모델을 구축합니다.
3 - TensorFlow를 사용하여 글로벌 모델을 구축합니다.
4 - TensorFlow를 사용하여 전역 모델을 가져오고 로컬 모델을 빌드합니다.