如何使用阿里云机器学习PAI的离线周期性调度功能
2023-09-11 14:17:36 时间
离线调度功能是机器学习的常见场景,用户需要通过离线调度功能,周期性的更新模型。阿里云机器学习PAI可以帮助用户构建模型训练的pipline,大数据开发套件是一套阿里云飞天系统的管理运维平台,目前PAI和大数据开发套件已经打通,可以实现机器学习实验的周期性调度。
第一步.建立PAI实验首先建立一个机器学习实验,在本案例中我们以一个深度学习实验为例。需要记住实验名以便在调度的时候进行选择,如图红框所示。
进入数加大数据开发套件,如图:
大数据开发套件与机器学习PAI共用一套项目,选择需要调度的实验所在的项目,点击进入工作空间。
点击新建,选择任务。
在新建任务的配置中,选择节点任务,类型选择机器学习。
建立了节点任务之后,可以选择对应的需要调度的机器学习实验,并且可以在右边的配置栏进行配置和相关参数的设定。
点击提交即可,注意:提交的作业从第二天开始生效。
提交调度任务之后,可以点击前往运维进行日志查看。
在运维中心可以全方位的观察机器学习任务的运行情况以及系统日志。
使用阿里云机器学习PAI做回归预测 XGBoost是一种集成机器学习算法,能够处理分类和回归问题。它具有高准确性、鲁棒性、可解释性和可扩展性等优点。XGBoost的算法原理是集成多个决策树模型,每个模型都是在前一个模型的残差上进行训练。在训练过程中,XGBoost使用了一些技术来避免过拟合,例如正则化、剪枝和子采样。如果想要处理分类和回归问题,XGBoost是一个值得尝试的机器学习算法。
阿里云机器学习 PAI 年度发布:持续锻造云原生的 AI 工程平台 刚刚结束的 2022 云栖大会上,阿里云机器学习平台 PAI 发布了在开发者服务、企业级能力、工程性能优化三个方向的一系列新特性和功能。从支撑达摩院上云,到服务金融、汽车、互联网、制造等多个行业的创新实践,机器学习 PAI 不断夯实云原生的 AI 工程平台能力。
傲海 著有《机器学习实践应用》,阿里云机器学习PAI产品经理,个人微信公众号 ldquo;凡人机器学习 rdquo;。
相关文章
- 机器学习笔记(九)---- 集成学习(ensemble learning)【华为云技术分享】
- jenkins:用jenkins通过ssh部署jar包到远程linux机器(jdk 15 / jenkins 2.257)
- 利用机器账户进行域权限维持
- 机器学习实战之Apriori
- 实践!如何用阿里云的机器学习得出泰坦尼克号沉船事件中谁有更大的概率获救
- 机器学习笔记 - YOLO家族简介
- 机器学习笔记 - Kaggle表格游乐场 Jan 2022 学习一
- AI开发者大会之AI学习与进阶实践:2020年7月3日《如何转型搞AI?》、《基于AI行业价值的AI学习与进阶路径》、《自动机器学习与前沿AI开源项目》、《使用TensorFlow实现经典模型》
- Python之GUI:基于Python的GUI界面设计的一套AI课程学习(机器学习、深度学习、大数据、云计算等)推荐系统(包括语音生成、识别等前沿黑科技)
- ML:MLOps系列讲解之《CRISP-ML (Q)ML生命周期过程—了解机器学习开发的标准过程模型—业务和数据理解→数据工程(数据准备)→ML模型工程→评估ML模型→模型部署→模型监控和维护》解读
- 使用机器学习代码的光热发电和风力涡轮机人工智能系统研究(Matlab代码实现)
- 机器学习(三十九):遗传算法对机器学习(分类)模型的寻优
- 机器学习笔记(二)---- 线性回归
- 当Sklearn遇上Plotly,机器学习变得如此简单、易于理解
- 【千呼万唤】李宏毅《机器学习》国语课程(2022)终于来了
- 【阶段三】Python机器学习13篇:机器学习项目实战:支持向量机分类的算法原理
- 机器学习——Adaboost
- 【机器学习】逻辑回归LR的推导及特性是什么,面试回答?
- 什么是数据清洗和特征工程?机器学习知识点讲解