Azure 机器学习

  • 6 分钟

Microsoft Azure 机器学习是用于训练、部署和管理机器学习模型的云服务。 它旨在供数据科学家、软件工程师、DevOps 专业人员和其他人员使用，以管理机器学习项目的端到端生命周期，包括：

  • 探索数据并准备将其用于建模。
  • 训练并评估机器学习模型。
  • 注册并管理已训练的模型。
  • 部署已训练的模型以供应用程序和服务使用。
  • 查看并应用负责任 AI 原则和做法。

Azure 机器学习的特性和功能

Azure 机器学习提供以下特性和功能来支持机器学习工作负载：

  • 数据集的集中存储和管理，用于模型训练和评估。
  • 按需计算资源（可对其运行机器学习作业，例如训练模型）。
  • 自动化机器学习 (AutoML)，使得可以轻松地使用不同的算法和参数运行多个训练作业，以找到数据的最佳模型。
  • 可视化工具，用于为模型训练或推理等过程定义协调管道。
  • 与 MLflow 等常见机器学习框架的集成，使得可以更轻松地大规模管理模型训练、评估和部署。
  • 对可视化和评估负责任 AI 指标的内置支持，包括模型可解释性、公平性评估等。

预配 Azure 机器学习资源

Azure 机器学习所需的主要资源是可在 Azure 订阅中预配的 Azure 机器学习工作区。 其他支持资源（包括存储帐户、容器注册表、虚拟机和其他资源）根据需要自动创建。

若要创建 Azure 机器学习工作区，可以使用 Azure 门户，如下所示：

Azure 门户中“创建 Azure 机器学习工作区”页的屏幕截图。

Azure 机器学习工作室

预配 Azure 机器学习工作区后，可以在 Azure 机器学习工作室（基于浏览器的门户，用于管理机器学习资源和作业）中使用它。

在 Azure 机器学习工作室中，可以（除其他外）：

  • 导入并探索数据。
  • 创建并使用计算目标。
  • 在笔记本中运行代码。
  • 使用可视化工具创建作业和管道。
  • 使用自动化机器学习来训练模型。
  • 查看已训练的模型的详细信息，包括评估指标、负责任 AI 信息和训练参数。
  • 部署已训练的模型进行按需和批量推理。
  • 从全面的模型目录中导入并管理模型。

Azure 机器学习工作室的屏幕截图。

屏幕截图显示了 Azure 机器学习工作室中一个已训练的模型的“指标”页，可在其中查看一个已训练的多类分类模型的评估指标。