Sortie officielle ( GA ) d'Azure Marchine Learning !
Cela fait plusieurs mois que l’on peut tester Azure Machine Learning sur une version déjà stable. Il y a deux jours, nous avons anoncé la General Availability du service avec de nouvelles fonctionnalités.
Voici une version française des informations transmises par Joseph Sirosh , Corporate Vice President de notre équipe "Machine Learning" chez Microsoft. https://blogs.technet.com/b/machinelearning/archive/2015/02/18/announcing-the-general-availability-of-azure-machine-learning.aspx
Nous avons développé Azure Machine Learning afin de démocratiser le machine Learning.
Notre but était de supprimer les tâches complexes qu'impliquent la création et le déploiement d'une technologie d'apprentissage automatisée et de la rendre accessible à tout le monde.
L'intégration des innovations open source et des capacités d'apprentissage qu’offre aujourd’hui le Big Data étaient des points très important.
Nous avons opté pour un développement axé sur la communauté et souhaitions offrir la possibilité pour les développeurs de facilement créer et monétiser des API et des applications hébergée dans le cloud. Et surtout, nous voulions que nos clients puissent exploiter facilement les différents progrès dans le domaine des sciences de la donnée.
Et c'est maintenant que l'avenir se dessine. Aujourd'hui, nous profitons de la conférence "Strata + Hadoop" pour annoncer la sortie officielle de notre offre "Azure Machine Learning", une solution entièrement hébergée et gérée en tant que service dans le cloud. Aucun logiciel à télécharger, aucuns serveurs à gérer – tout ce dont vous avez besoin pour commencer à faire des data sciences c'est une connexion à internet et un navigateur.
Cette version est fournie avec plusieurs innovations qui vont changer la donne – en voici quelques-unes :
• Créer un service web est maintenant beaucoup plus facile.
Nous avons complètement remanié le processus de création de services web. Il est maintenant beaucoup plus simple de prendre un workflow d'analyse de données et d'en créer un service web en seulement quelques minutes. Nous offrons également un add-in Excel prêt à l'emploi dans lequel vous pouvez plugger vos propres données et tester facilement votre service web.
• Vous pouvez entrainer/ré-entrainer vos modèles grâce aux API.
Autre nouveauté dans cette version c'est l'accès automatisé pour actualiser des modèles Azure Machine Learning avec de nouvelles données. Cette fonctionnalité vous permet de ré-entrainer un modèle périodiquement, par exemple lorsque de nouvelles données deviennent disponibles. Il permet également aux utilisateurs d'un modèle que vous avez créé de ré-entrainer ce modèle avec leurs propres données. Par exemple, vous pouvez dorénavant créer une API que vous mettez à disposition de vos clients dans Azure Marketplace et les aider à mettre à jour le modèle avec des données actualisées.
• Python est maintenant pris en charge, et donc R aussi.
Vous pouvez maintenant utiliser la distribution Anaconda de Python avec son écosystème riche de bibliothèques comme numpy, scipy, pandas, scikit-learn, etc… directement dans Azure Machine Learning Studio. Les développeurs Python peuvent facilement construire des expériences d'analytise sophistiquées et créer des services web dans le cloud en quelques clics. Vous pouvez faire la même chose avec R et créer des expériences/web services composés d'algorithmes d'apprentissage Python, R et Microsoft en un seul flux de travail. Il s'agit d'une réelle opportunité pour les innovateurs qui cherchent à exploiter les bibliothèques libres riche de ces deux écosystèmes dans la création d'applications.
• « Big Learning » est désormais possible.
Azure Machine Learning gère désormais le Learning with Counts, une fonctionnalité de transformation révolutionnaire qui permet de réaliser des classements et régressions d'une grande efficacité avec des jeux de données de plusieurs téraoctets. Cette nouvelle fonctionnalité utilise le paradigme d'analyse massivement parallèle Map Reduce au travers d'Azure HDInsight pour utiliser efficacement le Big Data. En utilisant les fonctionnalités de transformation et d'échantillonnage appropriées, on est maintenant capable de créer des modèles d'apprentissage prédictifs ultra-précis à l'aide d'algorithmes de pointe tels que les réseaux de neurones ou les boosted decision trees.
• Vous pouvez utiliser les services web packagés de l'Azure Store.
Nous avons maintenant un ensemble de services d'applications web disponibles dans l'Azure Store pour les applications classiques de machine learning . On va retrouver de la recommandation, de la détection d'anomalies et de l'analyse sémantique. N'importe quel site web, application mobile ou application SaaS peut intégrer ces fonctionnalités avec juste quelques lignes de code. Ce sont des exemples d'applications puissantes que des data scientists peuvent maintenant créer et publier sur l'Azure Machine Learning Marketplace et participer à l'économie émergente des data sciences.
• Nous avons ajouté une nouvelle galerie communautaire.
Cette version inclut une galerie (community-driven gallery) qui vous permet de découvrir et d'utiliser des expériences intéressantes, crées par d'autres. Vous pouvez poser des questions ou poster des commentaires sur les expériences dans la galerie ou publier vos propres expérimentations. Vous pouvez partager des liens vers des expériences intéressantes via les réseaux sociaux tels que LinkedIn et Twitter. La galerie est un excellent moyen pour les utilisateurs de démarrer avec Azure Machine Learning et d’apprendre des autres personnes de la communauté.
Mais ce n'est pas tout. Pour faciliter l'adoption des data sciences basées sur le cloud, nous avons créé un guide étape par étape : " Voyage dans les data sciences depuis des données sources jusqu'au service web consommable."
Nous avons également ajouté la possibilité d'utiliser des très bons outils comme iPython Notebook et Python Tools pour Visual Studio avec Azure Machine Learning.
On propose également de nouvelles capacités pour la lecture des données et leur transformation, un module pour le support de SQLite et de nouveaux algorithmes d'apprentissage comme la régression Quantile.
Avec l'intégration de ces diverses capacités, Azure Machine Learning est maintenant la méthode la plus simple et la plus complète pour faire de l'analyse intelligente des données et du Machine Learning.