Rilascio graduale di un modello su Azure Machine Learning
Procedura dallo studio di Azure Machine Learning: due versioni di un modello sullo stesso endpoint, traffico copiato sulla nuova, traffico diviso, ritorno alla versione precedente, passaggio completo, con una console .NET che conta le risposte di ogni versione.
Fare il fine-tuning di un modello su Microsoft Foundry e chiamarlo da .NET
Procedura in diciassette passi: dati di esempio in JSONL, fine-tuning supervisionato di gpt-4.1-nano su Microsoft Foundry, metriche e checkpoint, distribuzione Developer, confronto con il modello di base, chiamata da .NET con Entra ID, eliminazione delle risorse.
Addestrare una rete neurale su Azure Machine Learning e chiamarla da .NET
Procedura dal portale e dallo studio di Azure Machine Learning: due addestramenti di una piccola rete PyTorch confrontati, il modello registrato in due versioni, pubblicato su un endpoint senza script di inferenza e chiamato da una console .NET, eliminazione delle risorse.