Inleiding tot Azure Machine Learning
Azure Machine Learning is een platform voor het maken en beheren van de end-to-end levenscyclus van machine learning-systemen. Azure Machine Learning is frameworkneutraal, wat u de flexibiliteit biedt om te werken met de technologieën die u wilt gebruiken, zoals TensorFlow, PyTorch, ONNX, MLFlow en Scikit-learn.
Inleiding tot Azure Machine Learning
Met Azure Machine Learning kunnen gebruikers die bekend zijn met Machine Learning-frameworks snel modellen trainen en implementeren met behulp van code, terwijl andere krachtige visuele hulpprogramma's worden geboden. Al uw trainingsscripts, modellen, logboeken en berekeningen worden gecentraliseerd in een gedeelde werkruimte in Azure Machine Learning, die u helpt bij elke stap van het bouwen en implementeren van machine learning-systemen, wat betekent dat u zich kunt richten op modellen terwijl Azure Machine Learning de rest doet.
Azure Machine Learning heeft een uitgebreide reeks functies ter ondersteuning van logboekregistratie, bewaking en governance van gegevenssets en modellen. Deze functies zorgen ervoor dat uw modellen naar behoren presteren en effectief worden gecommuniceerd met belanghebbenden.
What is Azure Machine Learning-studio?
Azure Machine Learning-studio is een browserservice die oplossingen zonder code en code biedt voor het visueel maken, trainen en beheren van modellen via een webgebruikersinterface. Azure Machine Learning-studio toestaan Python en R SDK om naadloos te integreren met de systeemeigen ondersteunde Jupyter Notebooks voor gezamenlijke notities en codering. Gegevens binnen Azure Machine Learning-studio zijn eenvoudig te beheren met intuïtieve functies voor gegevensvisualisatie en ai-ondersteuning voor afbeeldingen of tekstlabels.
Een model maken
Modellen kunnen op verschillende manieren worden gemaakt in Azure Machine Learning. Training kan plaatsvinden op een lokale machine of de Azure-cloud, zoals een virtuele machine of rekencluster.
AutoML
Geautomatiseerde Machine Learning (AutoML) automatiseert het maken van de beste machine learning-modellen, zodat gebruikers het beste model voor hun gegevens kunnen vinden, ongeacht hun kennis van gegevenswetenschap. Gespecialiseerd in classificatie-, regressie- en tijdreeksprognoses, AutoML-experimenten met verschillende functies, algoritmen en parameters, afhankelijk van de taak, en biedt vervolgens scores op modellen die het beste passen. Deze modellen kunnen vervolgens worden geëxporteerd naar een ONNX-indeling die kan worden uitgevoerd op verschillende platforms en apparaten. De veelzijdigheid en snelheid van AutoML betekenen dat zowel ervaren als beginnende gegevenswetenschappers deze vaak gebruiken als uitgangspunt.
In de volgende afbeelding ziet u een overzicht van het AutoML-pijplijngebouw en het aanbevelen van een model.
Compute
De rekenresources die u nodig hebt voor uw Machine Learning-omgeving, kunnen worden toegewezen of gekoppeld via Azure Machine Learning. Van de berekening die uw Jupyter-notebooks voor experimentele gegevensanalyse mogelijk maakt, tot de clusters die u gebruikt voor training en de kubernetes-clusters die u implementeert voor productiedeductie op schaal. Uw rekenresources kunnen worden beheerd via Azure Machine Learning.
Gegevens beheren
Met Azure Machine Learning kunt u stroomlijnen en samenwerken aan het tijdrovende proces van gegevensvoorbereiding en -opname. Het platform kan probleemloos worden geïntegreerd met Azure Synapse, Azure Databricks en een suite met andere Azure-services om data engineering-pijplijnen te helpen bij het extraheren, transformeren en laden van onbewerkte gegevens (ETL) in gegevensarchieven.
Gegevensarchieven en labels
Azure Machine Learning slaat uw onbewerkte gegevens veilig op in het gegevensarchief. U hoeft niet te vertrouwen op externe bronnen voor uw scripts en u kunt experimenteren met uw trainingssets zonder de integriteit van de oorspronkelijke onbewerkte gegevens te riskeren. Zodra deze zijn opgeslagen, kunt u gegevens opschonen, transformeren en labelen om trainingssets te maken vanuit het gegevensarchief. Azure Machine Learning biedt hulpprogramma's voor het labelen van tabellaire, afbeeldings- en tekstgegevens, met ingebouwde machine learning-systemen die labels kunnen voorstellen of gegevenslabels volledig kunnen automatiseren.