Azure Machine Learning

  • 6 minuti

Microsoft Azure Machine Learning è un servizio cloud per il training, la distribuzione e la gestione di modelli di Machine Learning. È stato progettato per essere utilizzato da data scientist, ingegneri del software, professionisti devops e altre figure per gestire il ciclo di vita end-to-end dei progetti di Machine Learning, tra cui:

  • Esplorazione dei dati e preparazione per la modellazione.
  • Training e valutazione dei modelli di Machine Learning.
  • Registrazione e gestione dei modelli sottoposti a training.
  • Distribuzione di modelli sottoposti a training per l'uso da parte di applicazioni e servizi.
  • Revisione e applicazione di principi e procedure di IA responsabili.

Caratteristiche e capacità di Azure Machine Learning

Azure Machine Learning offre le caratteristiche e le capacità seguenti per supportare i carichi di lavoro di Machine Learning:

  • Archiviazione centralizzata e gestione dei set di dati per il training e la valutazione del modello.
  • Risorse di calcolo su richiesta in cui è possibile eseguire processi di Machine Learning, ad esempio l’addestramento di un modello.
  • Machine Learning automatizzato (AutoML), che semplifica l'esecuzione di più processi di training con algoritmi e parametri diversi per trovare il modello migliore per i dati.
  • Strumenti visivi per definire pipeline orchestrate per processi come il training del modello o l'inferenza.
  • Integrazione con framework di Machine Learning comuni, ad esempio MLflow, che semplificano la gestione del training, della valutazione e della distribuzione dei modelli su larga scala.
  • Supporto integrato per la visualizzazione e la valutazione delle metriche per l'IA responsabile, tra cui la spiegabilità del modello, la valutazione dell'equità e altre.

Provisioning delle risorse di Azure Machine Learning

La risorsa primaria necessaria per Azure Machine Learning è un’area di lavoro di Azure Machine Learning, di cui è possibile effettuare il provisioning in una sottoscrizione di Azure. Altre risorse di supporto, inclusi account di archiviazione, registri contenitori, macchine virtuali e altro, vengono create automaticamente in base alle esigenze.

Per creare un'area di lavoro Azure Machine Learning, è possibile usare i modelli del portale di Azure, come mostrato di seguito:

Screenshot of the Create Azure Machine Learning workspace page in the Azure portal.

Studio di Azure Machine Learning

Dopo aver effettuato il provisioning di un'area di lavoro di Azure Machine Learning, è possibile usarla in studio di Azure Machine Learning, un portale basato su browser per la gestione delle risorse e dei processi di Machine Learning.

Nello studio di Azure Machine Learning è possibile (tra le altre cose):

  • Importare ed esplorare i dati.
  • Creare e usare le risorse di calcolo.
  • Eseguire il codice nei notebook.
  • Usare gli strumenti visivi per creare processi e pipeline.
  • Usare Machine Learning automatizzato per eseguire il training di modelli.
  • Visualizzare i dettagli dei modelli sottoposti a training, tra cui le metriche di valutazione, le informazioni sull'intelligenza artificiale responsabile e i parametri di training.
  • Distribuire i modelli sottoposti a training per l'inferenza su richiesta e in batch.
  • Importare e gestire modelli da un catalogo di modelli completo.

Screenshot of Azure Machine Learning Studio.

Lo screenshot mostra la pagina Metriche per un modello sottoposto a training in studio di Azure Machine Learning, in cui è possibile visualizzare le metriche di valutazione per un modello di classificazione multiclasse sottoposto a training.