Azure Machine Learning

  • 6 Minuten

Microsoft Azure Machine Learning ist ein Clouddienst für das bedarfsorientierte Trainieren, Bereitstellen und Verwalten von Machine Learning-Modellen. Es wurde entwickelt, damit Datenanalysten, Softwaretechniker*innen, DevOps-Expert*innen und andere Benutzer*innen den End-to-End-Lebenszyklus von Machine Learning-Projekten verwalten können, einschließlich:

  • Untersuchen von Daten und Vorbereiten der Daten für die Modellierung,
  • Trainieren und Auswerten von Machine Learning-Modellen,
  • Registrieren und Verwalten trainierter Modelle,
  • Bereitstellen trainierter Modelle für die Verwendung durch Anwendungen und Dienste,
  • Überprüfen und Anwenden verantwortungsvoller KI-Prinzipien und -Methoden.

Features und Funktionen von Azure Machine Learning

Azure Machine Learning bietet die folgenden Features und Funktionen zur Unterstützung von Machine Learning-Workloads:

  • Zentralisierte Speicherung und Verwaltung von Datasets für Modelltraining und -auswertung.
  • Bedarfsgesteuerte Computeressourcen, auf denen Sie Machine Learning-Aufträge ausführen können, z. B. das Modelltraining.
  • Automatisiertes maschinelles Lernen (automatisiertes ML), das die Ausführung mehrerer Trainingsaufträge mit verschiedenen Algorithmen und Parametern erleichtert, um das beste Modell für Ihre Daten zu finden.
  • Visuelle Tools zum Definieren orchestrierter Pipelines für Prozesse wie Modelltraining oder Rückschlüsse.
  • Integration in gängige Machine Learning-Frameworks wie MLflow, wodurch die Verwaltung von Modelltraining, -auswertung und -bereitstellung im großen Stil vereinfacht wird.
  • Integrierte Unterstützung für die Visualisierung und Auswertung von Metriken für verantwortungsvolle KI, einschließlich Modellerklärbarkeit, Fairnessbewertung und andere Metriken.

Bereitstellung von Azure Machine Learning-Ressourcen

Als primäre Ressource für Azure Machine Learning ist ein Azure Machine Learning-Arbeitsbereich erforderlich, den Sie in einem Azure-Abonnement bereitstellen können. Andere unterstützende Ressourcen, z. B. Speicherkonten, Containerregistrierungen, virtuelle Computer und andere, werden bei Bedarf automatisch erstellt.

Um einen Azure Machine Learning-Arbeitsbereich zu erstellen, verwenden Sie das Azure-Portal wie hier gezeigt:

Screenshot: Seite „Azure Machine Learning-Arbeitsbereich erstellen“ im Azure-Portal

Azure Machine Learning Studio

Nachdem Sie einen Azure Machine Learning-Arbeitsbereich bereitgestellt haben, können Sie ihn in Azure Machine Learning Studio verwenden, einem browserbasierten Portal zum Verwalten Ihrer Machine Learning-Ressourcen und -Aufträge.

In Azure Machine Learning Studio können Sie (unter anderem) Folgendes tun:

  • Importieren und Untersuchen von Daten.
  • Erstellen und Verwenden von Ressourcen.
  • Ausführen von Code in Notebooks.
  • Verwenden visueller Tools, um Aufträge und Pipelines zu erstellen.
  • Verwenden von automatisiertem maschinellem Lernen zum Trainieren von Modellen.
  • Anzeigen der Details zu trainierten Modellen, einschließlich Auswertungsmetriken, Informationen zur verantwortungsvollen KI und Trainingsparameter.
  • Bereitstellen trainierter Modelle für On-Request- und Batchrückschlüsse.
  • Importieren und Verwalten von Modellen aus einem umfassenden Modellkatalog.

Screenshot: Azure Machine Learning Studio

Der Screenshot zeigt die Seite Metriken für ein trainiertes Modell in Azure Machine Learning Studio, auf der Sie die Auswertungsmetriken für ein trainiertes Klassifizierungsmodell mit mehreren Klassen sehen können.