Compartir a través de


Servicios web de Machine Learning Studio (clásico): implementación y consumo

SE APLICA A: Se aplica a.Machine Learning Studio (clásico) No se aplica a.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.

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:

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:

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).

Desde Excel

Puede descargar una plantilla de Excel para consumir el servicio web:

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.