本模块介绍 Microsoft Azure 中可用的机器学习工具。 然后，它将介绍为帮助数据分析项目取得成功而开发的标准化方法。 最后，它将为您提供有关微软团队数据科学方法的具体指导，包括流程中涉及的角色和任务。 如果您没有自己的 DevOps 解决方案，本单元末尾的练习将为您指出在其 DevOps 解决方案中实施此流程的 Microsoft 文档。

本模块将向您介绍微软认知服务套件中作为 REST API 提供的预训练和管理机器学习。 我们将具体使用计算机视觉应用程序接口、面部识别应用程序接口实施解决方案，并通过调用自然语言服务进行情感分析。

本模块将向您介绍 Azure 机器学习服务的功能。我们将探讨如何创建并引用 ML 工作区。 然后，我们将讨论如何使用 Azure ML 服务训练机器学习模型。 我们将讨论实验、运行和模型的目的和作用。 最后，我们将介绍可用于训练机器学习模型的 Azure 资源。 本单元的练习包括创建工作区、构建计算目标和使用 Azure ML 服务执行训练运行。

本模块包括如何连接到工作区。 接下来，我们将讨论模型注册表的工作原理，以及如何在本地和从工作区训练运行中注册训练好的模型。 此外，我们还将向您展示准备部署模型的步骤，包括确定依赖关系、配置部署目标和构建容器映像。 最后，我们会将训练好的模型部署为 Web 服务，并通过向 API 发送 JSON 对象对其进行测试。