Azure Machine Learning
Microsoft Azure Machine Learning är en molntjänst för träning, distribution och hantering av maskininlärningsmodeller. Den är utformad för att användas av dataexperter, programvarutekniker, devops-proffs och andra för att hantera livscykeln för maskininlärningsprojekt från slutpunkt till slutpunkt, inklusive:
- Utforska data och förbereda dem för modellering.
- Träna och utvärdera maskininlärningsmodeller.
- Registrera och hantera tränade modeller.
- Distribuera tränade modeller för användning av program och tjänster.
- Granska och tillämpa ansvarsfulla AI-principer och -metoder.
Funktioner och funktioner i Azure Machine Learning
Azure Machine Learning tillhandahåller följande funktioner för att stödja maskininlärningsarbetsbelastningar:
- Centraliserad lagring och hantering av datauppsättningar för modellträning och utvärdering.
- Beräkningsresurser på begäran där du kan köra maskininlärningsjobb, till exempel träna en modell.
- Automatisk maskininlärning (AutoML), vilket gör det enkelt att köra flera träningsjobb med olika algoritmer och parametrar för att hitta den bästa modellen för dina data.
- Visuella verktyg för att definiera orkestrerade pipelines för processer som modellträning eller slutsatsdragning.
- Integrering med vanliga maskininlärningsramverk som MLflow, vilket gör det enklare att hantera modellträning, utvärdering och distribution i stor skala.
- Inbyggt stöd för visualisering och utvärdering av mått för ansvarsfull AI, inklusive modellförklarbarhet, rättvisebedömning och andra.
Etablera Azure Machine Learning-resurser
Den primära resursen som krävs för Azure Machine Learning är en Azure Machine Learning-arbetsyta som du kan etablera i en Azure-prenumeration. Andra stödresurser, inklusive lagringskonton, containerregister, virtuella datorer och andra skapas automatiskt efter behov.
Om du vill skapa en Azure Machine Learning-arbetsyta kan du använda Azure Portal, som du ser här:
Azure Machine Learning-studio
När du har etablerat en Azure Machine Learning-arbetsyta kan du använda den i Azure Machine Learning-studio, en webbläsarbaserad portal för att hantera dina maskininlärningsresurser och jobb.
I Azure Machine Learning-studio kan du (bland annat):
- Importera och utforska data.
- Skapa och använda beräkningsresurser.
- Kör kod i notebook-filer.
- Använd visuella verktyg för att skapa jobb och pipelines.
- Använd automatiserad maskininlärning för att träna modeller.
- Visa information om tränade modeller, inklusive utvärderingsmått, ansvarsfull AI-information och träningsparametrar.
- Distribuera tränade modeller för slutsatsdragning på begäran och batch.
- Importera och hantera modeller från en omfattande modellkatalog.
Skärmbilden visar sidan Mått för en tränad modell i Azure Machine Learning-studio, där du kan se utvärderingsmåtten för en tränad multiklassklassificeringsmodell.