Azure Machine Learning
Microsoft Azure Machine Learning es un servicio en la nube para entrenar, implementar y administrar modelos de Machine Learning. Está diseñado para ser usado por científicos de datos, ingenieros de software, profesionales de operaciones de desarrollo y otros para administrar el ciclo de vida de principio a fin de proyectos de aprendizaje automático, incluyendo:
- Exploración de los datos y preparación para su modelización.
- Entrenamiento y evaluación de modelos de Machine Learning.
- Registro y administración de modelos entrenados.
- Implementación de modelos entrenados para su uso por aplicaciones y servicios.
- Revisión y aplicación de los principios y prácticas de inteligencia artificial responsables.
Características y capacidades de Azure Machine Learning
Azure Machine Learning proporciona las siguientes características y funcionalidades para admitir cargas de trabajo de aprendizaje automático:
- Almacenamiento centralizado y administración de conjuntos de datos para el entrenamiento y la evaluación del modelo.
- Recursos de proceso a petición en los que puede ejecutar trabajos de aprendizaje automático, como entrenar un modelo.
- Aprendizaje automático automatizado (AutoML), lo que facilita la ejecución de varios trabajos de entrenamiento con diferentes algoritmos y parámetros para encontrar el mejor modelo para los datos.
- Herramientas visuales para definir canalizaciones orquestadas para procesos como el entrenamiento del modelo o la inferencia.
- Integración con marcos de aprendizaje automático comunes, como MLflow, lo que facilita la administración del entrenamiento, la evaluación y la implementación del modelo a escala.
- Compatibilidad integrada para visualizar y evaluar métricas de inteligencia artificial responsable, incluida la explicación del modelo, la evaluación de equidad y otras.
Aprovisionamiento de recursos de Azure Machine Learning
El recurso principal necesario para Azure Machine Learning es un área de trabajo de Azure Machine Learning, que puede aprovisionar en una suscripción de Azure. Otros recursos auxiliares, incluidas las cuentas de almacenamiento, los registros de contenedor, las máquinas virtuales y otros, se crean automáticamente según sea necesario.
Para crear un área de trabajo de Azure Machine Learning, puede usar Azure Portal, como se muestra aquí:
Azure Machine Learning Studio
Después de haber aprovisionado un área de trabajo de Azure Machine Learning, puede usarla en Estudio de Azure Machine Learning; un portal basado en navegador para administrar sus recursos y trabajos de aprendizaje automático.
En Estudio de Azure Machine Learning, puede (entre otras cosas):
- Importar y explorar los datos.
- Crear y usar recursos de proceso.
- Ejecutar código en cuadernos.
- Usar herramientas visuales para crear trabajos y canalizaciones.
- Usar el aprendizaje automático de máquinas para entrenar modelos.
- Ver los detalles de los modelos entrenados, incluidas las métricas de evaluación, la información sobre la IA responsable y los parámetros de entrenamiento.
- Implementar modelos entrenados para inferencias a petición y por lotes.
- Importar y administrar modelos a partir de un completo catálogo de modelos.
La captura de pantalla muestra la página Métricas de un modelo entrenado en Estudio de Azure Machine Learning, en la que puede consultar las métricas de evaluación de un modelo de clasificación multiclase entrenado.