Azure Machine Learning

Effectué

Microsoft Azure Machine Learning est un service cloud pour l’entraînement, le déploiement et la gestion des modèles Machine Learning. Il est conçu pour les experts en science des données, les ingénieurs logiciels, les professionnels devops et d’autres personnes afin de gérer le cycle de vie de bout en bout des projets Machine Learning, notamment :

• L’exploration des données et leur préparation pour la modélisation.
• L’entraînement et l’évaluation des modèles Machine Learning.
• Inscription et gestion des modèles entraînés.
• Le déploiement de modèles entraînés pour une utilisation dans des applications et des services.
• L’évaluation et l’application des principes et pratiques de l’IA responsable.

Caractéristiques et fonctionnalités d’Azure Machine Learning

Azure Machine Learning fournit les caractéristiques et fonctionnalités suivantes pour gérer les charges de travail Machine Learning :

• Un stockage centralisé et la gestion des jeux de données pour l’apprentissage et l’évaluation des modèles.
• Des ressources de calcul à la demande sur lesquelles vous pouvez exécuter des tâches Machine Learning, telles que l’entraînement d’un modèle.
• Le Machine Learning automatisé (AutoML) qui permet d’exécuter facilement plusieurs travaux d’entraînement, avec différents algorithmes et paramètres, pour trouver le meilleur modèle pour vos données.
• Outils visuels pour définir des pipelines orchestrés pour des processus tels que l’apprentissage des modèles ou l’inférence.
• L’intégration à des infrastructures de Machine Learning courantes, telles que MLflow, qui facilitent la gestion de l’apprentissage, de l’évaluation et du déploiement de modèles à grande échelle.
• La prise en charge intégrée de la visualisation et de l’évaluation des métriques pour une IA responsable, notamment l’explicabilité des modèles, l’évaluation de l’équité, etc.

L’approvisionnement des ressources Azure Machine Learning

La ressource principale requise pour Azure Machine Learning est un espace de travail Azure Machine Learning que vous pouvez provisionner dans un abonnement Azure. D’autres ressources de prise en charge, notamment les comptes de stockage, les registres de conteneurs, les machines virtuelles et d’autres, sont créées automatiquement en fonction des besoins.

Pour créer un espace de travail Azure Machine Learning, vous pouvez utiliser le Portail Azure, comme illustré ci-après :

Azure Machine Learning studio

Une fois un espace de travail Azure Machine Learning provisionné, vous pouvez l’utiliser dans Azure Machine Learning studio, un portail web pour la gestion de vos ressources et travaux Machine Learning.

Dans Azure Machine Learning studio, vous pouvez (entre autres) :

• Importer des données et les explorer.
• Créer et utiliser des ressources de calcul.
• Exécuter du code dans des notebooks.
• Utiliser des outils visuels pour créer des travaux et des pipelines.
• Utiliser le Machine Learning automatisé pour entraîner des modèles.
• Afficher les détails des modèles entraînés, y compris des métriques d’évaluation, des informations sur l’IA responsable et des paramètres d’entraînement.
• Déployer des modèles entraînés pour l’inférence à la demande et par lots.
• Importer et gérer des modèles à partir d’un catalogue de modèles complet.

La capture d’écran montre la page Métriques d’un modèle entraîné dans Azure Machine Learning studio, dans laquelle vous pouvez afficher les métriques d’évaluation d’un modèle de classification multiclasse entraîné.