Introduction
En tant que scientifique des données, vous souhaitez écrire du code qui fonctionne dans n’importe quel environnement de développement. Que vous utilisiez un calcul local ou cloud, le code doit s’exécuter correctement pour entraîner un modèle Machine Learning, par exemple.
Pour exécuter du code, vous devez vous assurer que les packages, bibliothèques et dépendances nécessaires sont installés sur le calcul que vous utilisez pour exécuter le code. Dans Azure Machine Learning, les environnements répertorient et stockent les packages nécessaires que vous pouvez réutiliser entre les cibles de calcul.
Remarque
Dans ce module, nous faisons référence à l’interprétation d’Azure Machine Learning des environnements. Notez que le terme environnements est également utilisé pour décrire d’autres concepts techniques. Par exemple, dans DevOps, les environnements font référence à la collection de ressources utilisées pour une phase spécifique du déploiement de l’application, comme le développement ou l’environnement de production. En savoir plus sur le déploiement continu pour le Machine Learning.