Explanation:

ステップ1: コンピューティングインスタンスを作成して起動する
Azure Machine Learning デザイナーを使用してモデルをトレーニングおよびデプロイするには、トレーニング プロセスを実行し、モデルをテストし、デプロイされたサービスでモデルをホストするためのコンピューティングが必要です。
作成できるコンピューティング リソースは次の 4 種類あります。
コンピューティング インスタンス: データ サイエンティストがデータとモデルを操作するために使用できる開発ワークステーション。
コンピューティング クラスター: 実験コードをオンデマンドで処理するためのスケーラブルな仮想マシンのクラスター。
推論クラスター: トレーニング済みのモデルを使用する予測サービスの展開ターゲット。
アタッチされたコンピューティング: 仮想マシンや Azure Databricks クラスターなどの既存の Azure コンピューティング リソースへのリンク。
ステップ 2: トレーニング パイプラインを作成して実行します。
データ変換を使用してデータを準備したら、それを使用して機械学習モデルをトレーニングできます。
トレーニング パイプラインを作成して実行する
ステップ3: リアルタイム推論パイプラインを作成して実行する
モデルをトレーニングするためのパイプラインを作成して実行した後、新しいデータに対して同じデータ変換を実行し、トレーニング済みのモデルを使用して、その特徴に基づいてラベル値を推論（つまり予測）する2つ目のパイプラインが必要です。このパイプラインは、アプリケーションで使用できるように公開できる予測サービスの基盤となります。
参照：
https://docs.microsoft.com/en-us/learn/modules/create-classification-model-azure-machine-learning-designer/