Servicios web de Machine Learning Studio (clásico): implementación y consumo
SE APLICA A: 
Machine Learning Studio (clásico) 
Azure Machine Learning
Importante
El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.
A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.
- Consulte la información acerca de traslado de proyectos de aprendizaje automático de ML Studio (clásico) a Azure Machine Learning.
- Más información acerca de Azure Machine Learning
La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.
Puede usar Machine Learning Studio (clásico) para implementar flujos de trabajo y modelos de Machine Learning como servicios web. Estos servicios web pueden usarse después para llamar a los modelos de aprendizaje automático de las aplicaciones en Internet para que realicen predicciones en tiempo real o en un modo por lotes. Como estos servicios web son RESTFul, se los puede llamar desde diversos lenguajes de programación y plataformas como .NET y Java, y aplicaciones como Excel.
Las siguientes secciones proporcionan vínculos a tutoriales, código y documentación para ayudarle a empezar.
Implementación de un servicio web
Con Machine Learning Studio (clásico)
El portal de Studio (clásico) y el de servicios web Machine Learning le permiten implementar y administrar un servicio web sin tener que escribir código.
Los vínculos siguientes proporcionan información general sobre cómo implementar un nuevo servicio web:
Para ver una introducción a la implementación de un nuevo servicio web basado en Azure Resource Manager, consulte Implementación de servicios web nuevos.
Para obtener un tutorial sobre cómo implementar un servicio web, vea Implementación de un servicio web Machine Learning.
Para ver un tutorial completo sobre cómo crear e implementar un servicio web, comience con el Tutorial 1: Predicción del riesgo de crédito.
Para obtener ejemplos específicos de la implementación de un servicio web, consulte:
Con API de proveedor de recursos de servicios web (API de Azure Resource Manager)
El proveedor de recursos de Machine Learning Studio (clásico) para servicios web permite la implementación y administración de servicios web mediante llamadas API REST. Para información más detallada, consulte la referencia Servicio web Machine Learning (REST).
Con cmdlets de PowerShell
El proveedor de recursos de Machine Learning Studio (clásico) para servicios web permite la implementación y administración de servicios web mediante cmdlets de PowerShell.
Para usar los cmdlets, primero debe iniciar sesión en su cuenta de Azure desde el entorno de PowerShell mediante el cmdlet Connect-AzAccount. Si no sabe cómo llamar a los comandos de PowerShell basados en Resource Manager, consulte Uso de Azure PowerShell con Azure Resource Manager.
Para exportar el experimento predictivo, use este código de ejemplo. Después de crear el archivo .exe a partir del código, escriba:
C:\<folder>\GetWSD <experiment-url> <workspace-auth-token>
La ejecución de la aplicación permite crear una plantilla JSON del servicio web. Para usar la plantilla para implementar un servicio web, debe agregar la siguiente información:
Nombre y clave de la cuenta de almacenamiento
El nombre y la clave de la cuenta de almacenamiento se pueden obtener en Azure Portal.
Identificador del plan de compromiso
Para obtener el identificador de plan desde el portal de servicios web Machine Learning, inicie sesión y haga clic en el nombre de un plan.
Agréguelos a la plantilla JSON como elementos secundarios del nodo Properties en el mismo nivel que el nodo MachineLearningWorkspace.
Este es un ejemplo:
"StorageAccount": {
"name": "YourStorageAccountName",
"key": "YourStorageAccountKey"
},
"CommitmentPlan": {
"id": "subscriptions/YouSubscriptionID/resourceGroups/YourResourceGroupID/providers/Microsoft.MachineLearning/commitmentPlans/YourPlanName"
}
Consulte los siguientes artículos y el código de ejemplo para obtener más detalles:
- Referencia de cmdlets de Machine Learning Studio (clásico) en MSDN
Consumo de servicios web
Desde la interfaz de Servicios web Machine Learning (pruebas)
Puede probar el servicio web en el portal de Servicios web Machine Learning. Esto incluye probar las interfaces del servicio de solicitud-respuesta (RRS) y del servicio de ejecución de lotes (BES).
- Implementación de servicios web nuevos
- Implementación de un servicio web Machine Learning
- Tutorial 3: Implementación del modelo de riesgo de crédito
Desde Excel
Puede descargar una plantilla de Excel para consumir el servicio web:
- Consumo de un servicio web Machine Learning desde Excel
- Complemento de Excel para servicios web Machine Learning
Desde un cliente basado en REST
Los servicios web Machine Learning son API RESTful. Puede consumir estas API desde distintas plataformas, como .NET, Python, R, Java, etc. La página Consumo del servicio web en el portal Servicios web Machine Learning incluye código de ejemplo que le ayudará a empezar. Para obtener más información, vea Consumo de un servicio web de Machine Learning.