Azure Machine Learning

Ukończone

Microsoft Azure Machine Learning to usługa w chmurze służąca do trenowania, wdrażania modeli uczenia maszynowego i zarządzania nimi. Jest ona przeznaczona do użycia przez analityków danych, inżynierów oprogramowania, specjalistów devops i innych w celu zarządzania kompleksowego cyklu życia projektów uczenia maszynowego, w tym:

• Eksplorowanie danych i przygotowywanie ich do modelowania.
• Trenowanie i ocenianie modeli uczenia maszynowego.
• Rejestrowanie wytrenowanych modeli i zarządzanie nimi.
• Wdrażanie wytrenowanych modeli do użycia przez aplikacje i usługi.
• Przeglądanie i stosowanie zasad i praktyk odpowiedzialnej sztucznej inteligencji.

Funkcje i możliwości usługi Azure Machine Learning

Usługa Azure Machine Learning udostępnia następujące funkcje i możliwości do obsługi obciążeń uczenia maszynowego:

• Scentralizowany magazyn i zarządzanie zestawami danych na potrzeby trenowania i oceny modelu.
• Zasoby obliczeniowe na żądanie, na których można uruchamiać zadania uczenia maszynowego, takie jak trenowanie modelu.
• Zautomatyzowane uczenie maszynowe (AutoML), które ułatwia uruchamianie wielu zadań szkoleniowych z różnymi algorytmami i parametrami w celu znalezienia najlepszego modelu dla danych.
• Narzędzia wizualne do definiowania zaaranżowanych potoków dla procesów , takich jak trenowanie modelu lub wnioskowanie.
• Integracja z typowymi platformami uczenia maszynowego, takimi jak MLflow, ułatwiająca zarządzanie trenowanie, ewaluacja i wdrażanie modelu na dużą skalę.
• Wbudowana obsługa wizualizacji i oceniania metryk odpowiedzialnej sztucznej inteligencji, w tym możliwości wyjaśnienia modelu, oceny sprawiedliwości i innych.

Aprowizowanie zasobów usługi Azure Machine Learning

Podstawowym zasobem wymaganym dla usługi Azure Machine Learning jest obszar roboczy usługi Azure Machine Learning, który można aprowizować w ramach subskrypcji platformy Azure. Inne zasoby pomocnicze, w tym konta magazynu, rejestry kontenerów, maszyny wirtualne i inne są tworzone automatycznie zgodnie z potrzebami.

Aby utworzyć obszar roboczy usługi Azure Machine Learning, możesz użyć Azure Portal, jak pokazano poniżej:

Studio uczenia maszynowego Azure

Po aprowizacji obszaru roboczego usługi Azure Machine Learning można go użyć w Azure Machine Learning studio— portalu opartego na przeglądarce do zarządzania zasobami i zadaniami uczenia maszynowego.

W Azure Machine Learning studio można (między innymi):

• Importowanie i eksplorowanie danych.
• Tworzenie zasobów obliczeniowych i korzystanie z nich.
• Uruchamianie kodu w notesach.
• Tworzenie zadań i potoków przy użyciu narzędzi wizualnych.
• Trenowanie modeli przy użyciu zautomatyzowanego uczenia maszynowego.
• Wyświetl szczegółowe informacje o wytrenowanych modelach, w tym metryki oceny, informacje o odpowiedzialnej sztucznej inteligencji i parametry trenowania.
• Wdrażanie wytrenowanych modeli na potrzeby wnioskowania wsadowego i żądania.
• Importowanie modeli z kompleksowego wykazu modeli i zarządzanie nimi.

Zrzut ekranu przedstawia stronę Metryki dla wytrenowanego modelu w Azure Machine Learning studio, w którym można zobaczyć metryki oceny dla wytrenowanego modelu klasyfikacji wieloklasowej.