Понять возможности Машинного обучения Azure.

  • 3 мин

Microsoft Azure предлагает службу Машинное обучение Azure. Это облачная платформа для проведения масштабных экспериментов для обучения прогнозных моделей на основе данных и публикации обученных моделей в виде служб.

Концептуальная схема Машинного обучения Azure с данными, используемыми в эксперименте для обучения прогнозной модели

Машинное обучение Azure предоставляет следующие функции и возможности.

Функция Возможность
Автоматизированное машинное обучение Эта функция позволяет неспециалистам быстро создавать эффективную модель машинного обучения на основе данных.
Конструктор Машинного обучения Azure Графический интерфейс, обеспечивающий разработку решений для машинного обучения без кода.
Управление данными и вычислениями Облачное хранилище данных и ресурсы для вычислений, которые профессиональные специалисты по обработке и анализу данных могут использовать для выполнения кода эксперимента данных с масштабированием.
Pipelines Специалисты по обработке и анализу данных, программисты и специалисты по ИТ-операциям могут определять конвейеры для управления задачами обучения, развертывания и управления моделями.

Специалисты по анализу данных могут использовать Машинное обучение Azure на протяжении всего жизненного цикла машинного обучения для следующих целей.

  • Принимать и подготавливать данные.
  • Проводить эксперименты, чтобы анализировать данные и обучать прогнозные модели.
  • Развертывать обученные модели и управлять ими как веб-службами.

Разработчики программного обеспечения могут использовать Машинное обучение Azure следующим образом.

  • Использование автоматизированного Машинное обучение или конструктора Машинное обучение Azure для обучения моделей машинного обучения и развертывания их в виде служб, которые можно интегрировать в приложения с поддержкой ИИ.
  • Осуществлять взаимодействие со специалистами по анализу данных для развертывания моделей, основанных на распространенных платформах, таких как Scikit-Learn, PyTorch и TensorFlow, в виде веб-служб и использовать их в приложениях.
  • Использовать пакеты средств разработки программного обеспечения для машинного обучения Azure или сценариев интерфейса командной строки (CLI) для управления процессами DevOps, которые реализуют управление версиями, развертывание и тестирование моделей машинного обучения в рамках общего решения доставки приложений.

Примечание.

Дополнительные сведения см. в модуле Машинное обучение Azure.