Azure Machine Learning

  • 6 minutos

O Microsoft Azure Machine Learning é um serviço de nuvem para treinamento, implantação e gerenciamento de modelos de machine learning. Ele foi projetado para ser usado por cientistas de dados, engenheiros de software, profissionais de DevOps e outros para gerenciar o ciclo de vida de ponta a ponta de projetos de machine learning, incluindo:

  • Exploração de dados e preparação para modelagem.
  • Treinamento e avaliação de modelos de machine learning.
  • Registro e gerenciamento de modelos treinados.
  • Implantação de modelos treinados para uso por aplicativos e serviços.
  • Revisão e aplicação de princípios e práticas de IA responsáveis.

Recursos e funcionalidades do Azure Machine Learning

O Azure Machine Learning fornece os seguintes recursos e funcionalidades para dar suporte a cargas de trabalho de machine learning:

  • Armazenamento e gerenciamento centralizado de conjuntos de dados para treinamento e avaliação de modelos.
  • Recursos de computação sob demanda nos quais você pode executar trabalhos de machine learning, como o treinamento de um modelo.
  • AutoML (machine learning automatizado), que facilita a execução de vários trabalhos de treinamento com diferentes algoritmos e parâmetros para encontrar o melhor modelo para seus dados.
  • Ferramentas visuais para definir pipelines orquestrados para processos como treinamento ou inferência de modelos.
  • Integração com estruturas comuns de machine learning, como o MLflow, que facilitam o gerenciamento do treinamento, da avaliação e da implantação de modelos em escala.
  • Suporte integrado para visualizar e avaliar métricas relacionadas à IA responsável, incluindo explicabilidade do modelo, avaliação de imparcialidade e outros.

Provisionamento de recursos do Azure Machine Learning

O principal recurso necessário para o Azure Machine Learning é um workspace do Azure Machine Learning, que você pode provisionar em uma assinatura do Azure. Outros recursos de suporte, incluindo contas de armazenamento, registros de contêineres, máquinas virtuais e outros, são criados automaticamente conforme necessário.

Para criar um workspace do Azure Machine Learning, você pode usar os modelos do portal do Azure, como mostrado aqui:

Captura de tela da página Criar workspace do Azure Machine Learning no portal do Azure.

Azure Machine Learning Studio

Depois de provisionar um workspace do Azure Machine Learning, você pode usá-lo no Estúdio do Azure Machine Learning; um portal baseado em navegador para gerenciar seus recursos e trabalhos de machine learning.

No Estúdio do Azure Machine Learning, você pode (entre outras coisas):

  • Importar e explorar dados.
  • Criar e usar recursos de computação.
  • Executar o código em notebooks.
  • Usar ferramentas visuais para criar trabalhos e pipelines.
  • Usar o machine learning automatizado para treinar um modelo.
  • Exibir detalhes de modelos treinados, incluindo métricas de avaliação, informações de IA responsável e parâmetros de treinamento.
  • Implantar modelos treinados para inferência em lote e solicitação.
  • Importar e gerenciar modelos a partir de um catálogo de modelos abrangente.

Captura de tela do Estúdio do Azure Machine Learning.

A captura de tela mostra a página Métricas de um modelo treinado no Estúdio do Azure Machine Learning, na qual você pode ver as métricas de avaliação de um modelo de classificação multiclasse treinado.