Uczenie maszynowe dla aplikacji języka Python na platformie Azure

Poniższe artykuły ułatwiają rozpoczęcie pracy z usługą Azure Machine Learning. Interfejsy API REST usługi Azure Machine Learning w wersji 2, rozszerzenie interfejsu wiersza polecenia platformy Azure i zestaw SDK języka Python zostały zaprojektowane w celu usprawnienia całego cyklu życia uczenia maszynowego i przyspieszenia przepływów pracy produkcyjnych. Linki w tym artykule dotyczą wersji 2, która jest zalecana, jeśli rozpoczynasz nowy projekt uczenia maszynowego.

Wprowadzenie

W usłudze Azure Machine Learning obszar roboczy to główny zasób, który organizuje wszystkie tworzone zestawy danych, modele i eksperymenty oraz zarządza nimi.

• Szybki start: rozpoczynanie pracy z usługą Azure Machine Learning
• Zarządzanie obszarami roboczymi usługi Azure Machine Learning w portalu lub przy użyciu zestawu SDK języka Python (wersja 2)
• Uruchom notatniki Jupyter w obszarze roboczym
• Samouczek: tworzenie modeli na stacji roboczej w chmurze

Wdrażanie modeli

Wdrażanie modeli na potrzeby prognoz uczenia maszynowego o małych opóźnieniach i czasie rzeczywistym.

• Samouczek: Projektant — wdrażanie modelu uczenia maszynowego
• Wdrażanie i ocenianie modelu uczenia maszynowego przy użyciu punktu końcowego online

Zautomatyzowane uczenie maszynowe

Zautomatyzowane uczenie maszynowe (AutoML) odnosi się do procesu usprawniania tworzenia modelu uczenia maszynowego przez automatyzację powtarzalnych i czasochłonnych zadań.

• Trenowanie modelu regresji przy użyciu rozwiązania AutoML i języka Python (zestaw SDK w wersji 1)
• Konfigurowanie trenowania automatycznego uczenia maszynowego dla danych tabelarycznych przy użyciu interfejsu wiersza polecenia usługi Azure Machine Learning i zestawu PYTHON SDK (wersja 2)

Dostęp do danych

Usługa Azure Machine Learning umożliwia importowanie danych z komputera lokalnego lub łączenie się z istniejącymi usługami magazynu w chmurze.

• Tworzenie zasobów danych i zarządzanie nimi
• Samouczek: przekazywanie, uzyskiwanie dostępu do danych i eksplorowanie ich w usłudze Azure Machine Learning
• Uzyskiwanie dostępu do danych w zadaniu

Przepływy uczenia maszynowego

Potoki uczenia maszynowego umożliwiają tworzenie przepływów pracy łączących różne etapy procesu uczenia maszynowego.

• Używanie usługi Azure Pipelines z usługą Azure Machine Learning
• Tworzenie i uruchamianie potoków uczenia maszynowego przy użyciu składników za pomocą zestawu Azure Machine Learning SDK w wersji 2
• Samouczek: tworzenie potoków uczenia maszynowego w środowisku produkcyjnym przy użyciu zestawu Python SDK w wersji 2 w notesie Jupyter