Einleitung
Als Data Scientist möchten Sie Code schreiben, der in jeder Entwicklungsumgebung funktioniert. Unabhängig davon, ob Sie lokale oder Cloud-Compute verwenden, sollte der Code erfolgreich ausgeführt werden, um beispielsweise ein Machine Learning-Modell zu trainieren.
Um Code auszuführen, müssen Sie sicherstellen, dass die erforderlichen Pakete, Bibliotheken und Abhängigkeiten auf der Berechnung installiert sind, die Sie zum Ausführen des Codes verwenden. In Azure Machine Learning listen und speichern Umgebungen die erforderlichen Pakete, die über Berechnungsziele hinweg wiederverwendet werden können.
Anmerkung
In diesem Modul beziehen wir uns auf die Interpretation von Umgebungen von Azure Machine Learning. Beachten Sie, dass der Begriff "Umgebungen" zudem verwendet wird, um andere technische Konzepte zu beschreiben. In DevOps beziehen sich Umgebungen beispielsweise auf die Sammlung von Ressourcen, die für eine bestimmte Phase in der Anwendungsbereitstellung verwendet werden, z. B. die Entwicklungs- oder Produktionsumgebung. Erfahren Sie mehr über die kontinuierliche Bereitstellung für maschinelles Lernen.