Machine Learning

El aprendizaje automático es un subconjunto de la inteligencia artificial que permite que las máquinas detecten patrones y aprendan de los datos sin que estén expresamente programadas para ello. Las soluciones de Azure Machine Learning pueden mejorar sus conclusiones informáticas.

Azure le permite obtener las funcionalidades más avanzadas de aprendizaje automático. Compile, entrene e implemente de forma rápida y sencilla los modelos de Machine Learning mediante Azure Machine Learning. La IA de Machine Learning se puede usar para todo tipo de aprendizaje automático, del clásico al profundo, supervisado y no supervisado. Tanto si prefiere escribir código de Python o de R como si se decide por opciones con poco o ningún código, como el diseñador, puede compilar y entrenar modelos de aprendizaje automático y aprendizaje profundo muy precisos en un área de trabajo de Machine Learning y realizar su seguimiento.

Así que puede comenzar a entrenar en su máquina local y luego escalar horizontalmente a la nube. El servicio también interopera con herramientas aprendizaje profundo y de código abierto populares, como PyTorch, TensorFlow, scikit-learn, Ray y RLlib.

Para empezar, consulte Introducción a Azure Machine Learning, donde encontrará un tutorial sobre cómo configurar el primer experimento de aprendizaje automático. Para más información sobre el formato de los modelos de código abierto y el tiempo de ejecución para el aprendizaje automático, consulte ONNX Runtime.

Entre los escenarios comunes para las soluciones de aprendizaje automático se incluyen:

• Mantenimiento predictivo
• Administración de inventario
• Detección de fraudes
• Previsión de la demanda
• Recomendaciones inteligentes
• Previsión de ventas

Lista de comprobación de Machine Learning

• Para empezar, familiarícese con el aprendizaje automático y, después, elija la experiencia con la que comenzar. Puede seguir con los pasos para usar un cuaderno de Jupyter Notebook con Python, la experiencia visual de arrastrar y colocar, o aprendizaje automático automatizado (AutoML).

  • Más información sobre Azure Machine Learning
  • Creación del primer experimento de aprendizaje automático con un cuaderno de Jupyter Notebook con Python
  • Experimento con una herramienta visual de arrastrar y colocar
  • Uso de la UI de AutoML
  • Configuración del entorno de desarrollo

• Experimente con tutoriales más avanzados para predecir las tarifas de taxi, clasificar imágenes y compilar una canalización para la puntuación por lotes.

  • Uso de AutoML para predecir tarifas de taxi
  • Clasificación de imágenes con scikit-learn
  • Compilación de una canalización de Machine Learning para la puntuación por lotes

• Siga los tutoriales en vídeo para más información sobre las ventajas de Machine Learning, incluida la compilación de modelos sin código, las operaciones de aprendizaje automático (MLOps), ONNX Runtime, la interpretabilidad y transparencia de los modelos, y mucho más.

  • Novedades de Azure Machine Learning
  • Uso de AutoML para crear modelos
  • Creación de modelos de código cero con el diseñador de Azure Machine Learning
  • MLOps para administrar el ciclo de vida de un extremo a otro
  • Incorporación de ONNX Runtime en los modelos
  • Interpretabilidad y transparencia de modelos
  • Creación de modelos con R

• Revise las arquitecturas de referencia para las soluciones de IA y aprendizaje automático.

Pasos siguientes

Explore otras categorías de soluciones de IA:

• Aplicaciones y agentes de IA
• Minería de conocimientos