トレーニング
認定資格
Microsoft Certified: Azure Data Scientist Associate - Certifications
Python、Azure Machine Learning、MLflow を使用して、データのインジェストと準備、モデルのトレーニングとデプロイ、機械学習ソリューションの監視を管理します。
このブラウザーはサポートされなくなりました。
Microsoft Edge にアップグレードすると、最新の機能、セキュリティ更新プログラム、およびテクニカル サポートを利用できます。
ビジネスに最適なモデルの作成は、反復的なプロセスである可能性があります。 結果は、設定した構成と用意したトレーニング データに応じて変わることがあります。 これらの要素を更新すると、モデルのパフォーマンスを向上させることができます。 ただし、場合によっては、パフォーマンスが低下することがあります。 各 AI モデルの種類には、ニーズに合わせて最適なモデルを作成するプロセスを理解できる一連のガイドラインがあります。
モデルを初めてトレーニングした後は、その詳細ページでパフォーマンスと品質を評価できます。
AI モデルの種類によっては、トレーニングしたバージョンごとにパフォーマンス スコアが表示される場合があります。 このスコアを使用して、同じモデルの 2 つのバージョンをすばやく比較できます。 ただし、スコアはそのトレーニングの構成に基づいている点に留意してください。 スコアを比較する際は、バージョン間で行われた変更をすべて考慮する必要があります。
AI モデルの種類ごとに、スコアの計算方法とスコアの解釈方法に関する説明は異なります。 詳細については、パフォーマンス の横にあるヒントを参照してください。
一部の AI モデルの種類には、選択した実際のデータを使用してトレーニングされたバージョンのパフォーマンスをすばやくテストする機能があります。 クイック テスト を選択して、モデルの動作を確認します。
新しくトレーニングしたモデルの評価が完了したら、次の 2 つの選択肢があります:
アンダーフィット モデルとは、実際のパフォーマンスがランダムな推測より劣るモデルのことです。 モデルのパフォーマンスが一貫して低い場合は、トレーニング データに問題があることを示している可能性があります。 使用しているフィールドは、モデルで行うことが意図されている決定の種類に関連していますか。 モデルの品質低下につながるデータ入力エラーやその他の問題はありませんか?
オーバーフィット モデルは、トレーニング データで実行したときは、完璧ではないにしても、非常によいパフォーマンスを示します。 これは、トレーニング データに、結果に直接対応する列があるためです。 たとえば、出荷が時間に到着するかどうかを予測する予測モデルがあるとします。 履歴データに実際の配達日が含まれている場合は、履歴データに対してモデルを実行すると、完璧な予測が得られます。 ビジネス環境の実際のデータに対して実行すると、"配達日" 列にはまだ値が設定されていないため、それほどよい結果にはならないでしょう。
新しいバージョンを作成するには、ページの上部にある モデルの編集 を選択します。
発行済みバージョン と、発行されていない 最新のトレーニング済みバージョン という、最大 2 つのトレーニング済みバージョンを一度に利用できます。 最新のトレーニング済みバージョンが既に存在する場合に新しいバージョンをトレーニングすると、既存の最新のトレーニング済みバージョンは上書きされます。
新しいバージョンを作成すると、既存のバージョン (発行済みバージョン) または最新のトレーニング済みバージョンの構成に基づいたモデルになります。 両方がある場合は、どちらを基にして新しいバージョンを作成するかを選択する必要があります。
新しいバージョンは、トレーニングが正常に完了した後にのみ作成されます。 変更を完了せずにモデルをトレーニングすると、進行状況はドラフトとして保存されます。 新しいバージョンの作成や再トレーニングなどの特定のアクションは、ドラフトをトレーニングまたは破棄するまで無効にされる場合があります。 一度に使用できるドラフトは 1 つのみのため、ドラフトの再開 を選択して中断した位置を選択するか、ドラフトの破棄 を選択して変更を削除してから続行する必要があります。
トレーニングが完了すると、詳細 ページの 最新のトレーニング済みバージョン セクションにトレーニング結果が表示されます。
最新のトレーニング済みバージョンに満足したら、モデルを発行して利用できるようにします。 それ以外の場合は、いつでも新しいバージョンを作成できます。
モデルの新しいバージョンを作成して、モデルのパフォーマンスや品質の向上に役立てることができます。 これは AI モデルの種類によって変わります。構成を更新して改善できるモデルと、トレーニング データを更新して改善できるモデルがあります。
機械学習には実験的な性質があるため、新しく作成したすべてのバージョンでモデルのパフォーマンスが向上するわけではありません。 モデルに満足できない場合は、より良い結果を得られるように、新しいバージョンを作成できます。
モデルに満足したら、それを発行して利用できるようにすることができます。 一度に利用できるトレーニング済みのバージョンは 2 つであるため、新しいバージョンによって上書きされないようにするモデルを発行できる可能性があります。
モデルのパフォーマンスを向上させるための微妙な差異の詳細については、精度スコアの下に表示されるメッセージを参照してください。
トレーニングを行うと、構成が更新され、新しいバージョンが作成されますが、再トレーニングを行うと、現在のバージョンと同じ構成が使用され、新しいバージョンが作成されます。 再トレーニングの利点は、モデルが長期にわたって正確に保たれるように新しいデータが調査されることです。 このアクションは、特定の種類の AI モデルにのみ適用されます。
Power Apps にサインインします。
左側のペインで、AI Builder>モデル を選択します。
モデルの種類に応じて、次の手順を実行します。
予測およびカテゴリ分類モデルの場合、 パフォーマンス セクションで、 (…) メニューを選択し、すぐに再トレーニングする を選択します。
これで、最後にトレーニングしたバージョンが置き換えられます。 準備ができたらこのバージョンを発行します。
各 AI Builder モデルに対してこれらの手順を実行して、AI モデルを再起動させます。
トレーニング
認定資格
Microsoft Certified: Azure Data Scientist Associate - Certifications
Python、Azure Machine Learning、MLflow を使用して、データのインジェストと準備、モデルのトレーニングとデプロイ、機械学習ソリューションの監視を管理します。