Comprender las funcionalidades de Azure Machine Learning
Microsoft Azure proporciona el servicio Azure Machine Learning: una plataforma basada en la nube para ejecutar experimentos a gran escala para entrenar modelos predictivos a partir de datos y publicar los modelos entrenados como servicios.
Azure Machine Learning proporciona las siguientes características y funcionalidades:
| Característica | Funcionalidad |
|---|---|
| ML automatizado | Esta característica permite a los no expertos crear con rapidez un modelo de Machine Learning efectivo a partir de datos. |
| Diseñador de Azure Machine Learning | Una interfaz gráfica que permite el desarrollo sin código de soluciones de aprendizaje automático. |
| Administración de datos y procesos | Almacenamiento de datos basado en la nube y recursos de procesos que los científicos de datos profesionales pueden usar para ejecutar código de experimentos de datos a escala. |
| Canalizaciones | Los científicos de datos, ingenieros de software y profesionales de operaciones de TI pueden definir canalizaciones para organizar las tareas de entrenamiento, implementación y administración de modelos. |
Los científicos de datos pueden usar Azure Machine Learning a lo largo de todo el ciclo de vida de aprendizaje automático para:
- Ingerir y preparar los datos.
- Ejecutar experimentos para explorar datos y entrenar modelos predictivos.
- Implementar y administrar modelos entrenados como servicios web.
Los ingenieros de software pueden interactuar con Azure Machine Learning de las siguientes maneras:
- Usando el diseñador de Azure Machine Learning o ML automatizado para entrenar modelos de Machine Learning e implementarlos como servicios que se pueden integrar en aplicaciones habilitadas para inteligencia artificial.
- Colaboración con científicos de datos para implementar modelos basados en marcos comunes como Scikit-Learn, PyTorch y TensorFlow como servicios web y consumirlos en aplicaciones.
- Usando SDK de Azure Machine Learning o scripts de interfaz de la línea de comandos (CLI) para orquestar procesos DevOps que administran el control de versiones, la implementación y pruebas de modelos de Machine Learning como parte de una solución de entrega de aplicaciones general.
Nota:
Para obtener más información, consulte Azure Machine Learning.