Azure Machine Learning sözlüğü

Azure Machine Learning sözlüğü, Machine Learning platformu için kısa bir terminoloji sözlüğüdür. Genel Azure terminolojisi için ayrıca bkz:

• Microsoft Azure sözlüğü: Azure platformunda bulut terminolojisi sözlüğü
• Bulut bilişim terimleri: Genel sektör bulut terimleri
• Azure ile ilgili temel kavramlar: Azure için Microsoft Bulut Benimseme Çerçevesi

Bileşen

Machine Learning bileşeni, makine öğrenmesi işlem hattında tek adımlık bir işlem hattı oluşturan, bağımsız bir kod parçasıdır. Bileşenler, gelişmiş makine öğrenmesi işlem hatlarının yapı taşlarıdır. Bileşenler veri işleme, model eğitimi ve model puanlaması gibi görevleri gerçekleştirebilir. Bileşen bir işleve benzer. Bir adı ve parametreleri vardır, girişi bekler ve çıkış döndürür.

İşlem

İşlem, işinizi çalıştırdığınız veya uç noktanızı barındırdığınız belirlenmiş bir işlem kaynağıdır. Machine Learning aşağıdaki işlem türlerini destekler:

• İşlem kümesi: Bulutta kolayca CPU veya GPU işlem düğümleri kümesi oluşturmak için kullanabileceğiniz bir yönetilen işlem altyapısı.

  Not

  İşlem kümesi oluşturmak yerine, işlem yaşam döngüsü yönetimini Azure Machine Learning'e boşaltmak için sunucusuz işlem kullanın.

• İşlem örneği: Bulutta tam olarak yapılandırılmış ve yönetilen bir geliştirme ortamı. Örneği geliştirme ve test için eğitim veya çıkarım işlem olarak kullanabilirsiniz. Buluttaki bir sanal makineye benzer.

• Kubernetes kümesi: Eğitilmiş makine öğrenmesi modellerini Azure Kubernetes Service'e (AKS) dağıtmak için kullanılır. Machine Learning çalışma alanınızdan bir AKS kümesi oluşturabilir veya var olan bir AKS kümesini ekleyebilirsiniz.

• Ekli işlem: Çalışma alanınıza kendi işlem kaynaklarınızı ekleyebilir ve bunları eğitim ve çıkarım için kullanabilirsiniz.

Veri

Machine Learning, farklı veri türleriyle çalışmanıza olanak tanır:

• URI'ler (yerel veya bulut depolama alanında bir konum):
  • uri_folder
  • uri_file
• Tablolar (tablosal veri soyutlaması):
  • mltable
• Ilkel:
  • string
  • boolean
  • number

Çoğu senaryoda URI'leri (uri_folder ve uri_file) kullanarak depolama alanını düğüme bağlama veya indirme yoluyla bir işteki işlem düğümünün dosya sistemine kolayca eşlenebilen bir konumu tanımlarsınız.

mltable parametresi, otomatik makine öğrenmesi (AutoML) işleri, paralel işler ve bazı gelişmiş senaryolar için kullanılan tablosal verilere yönelik bir soyutlamadır. Machine Learning kullanmaya başladıysanız ve AutoML kullanmıyorsanız, URI'lerle başlamanızı kesinlikle öneririz.

Veri Deposu

Machine Learning veri depoları, betiklerinizde kod yazmanıza gerek kalmaması için Azure'daki veri depolama alanınıza bağlantı bilgilerini güvenli bir şekilde tutar. Depolama hesabınıza kolayca bağlanmak ve temel depolama hizmetinizdeki verilere erişmek için bir veri deposu kaydedebilir ve oluşturabilirsiniz. Azure Machine Learning CLI v2 ve SDK v2, aşağıdaki bulut tabanlı depolama hizmeti türlerini destekler:

• kapsayıcı Azure Blob Depolama
• Azure Dosyalar paylaşımı
• Azure Data Lake Storage
• Azure Data Lake Storage 2. Nesil

Ortam

Machine Learning ortamları, makine öğrenmesi görevinizin gerçekleştiği ortamın kapsüllemeleridir. Eğitim ve puanlama betiklerinizin etrafındaki yazılım paketlerini, ortam değişkenlerini ve yazılım ayarlarını belirtir. Ortamlar, Machine Learning çalışma alanınızdaki yönetilen ve sürümlenmiş varlıklardır. Ortamlar, çeşitli işlemlerde yeniden üretilebilir, denetlenebilir ve taşınabilir makine öğrenmesi iş akışlarını etkinleştirir.

Ortam türleri

Machine Learning iki tür ortamı destekler: seçilmiş ve özel.

Seçilen ortamlar Machine Learning tarafından sağlanır ve varsayılan olarak çalışma alanınızda kullanılabilir. Bunlar olduğu gibi kullanılmak üzere tasarlanmıştır. Bunlar, çeşitli makine öğrenmesi çerçevelerini kullanmaya başlamanıza yardımcı olacak Python paketleri ve ayarları koleksiyonları içerir. Bu önceden oluşturulmuş ortamlar ayrıca daha hızlı dağıtım süresi sağlar. Kullanılabilir ortamların tam listesini almak için bkz . CLI ve SDK (v2) ile Azure Machine Learning ortamları.

Özel ortamlarda ortamınızı ayarlamak sizin sorumluluğunuzdadır. Paketleri ve eğitim veya puanlama betiğinizin işlemde ihtiyaç duyduğu diğer bağımlılıkları yüklediğinizden emin olun. Machine Learning, şunları kullanarak kendi ortamınızı oluşturmanıza olanak tanır:

• Docker görüntüsü.
• Daha fazla özelleştirmek için conda YAML içeren temel bir Docker görüntüsü.
• Docker derleme bağlamı.

Model

Machine Learning modelleri, bir makine öğrenmesi modelini temsil eden ikili dosyalardan ve buna karşılık gelen meta verilerden oluşur. Modelleri yerel veya uzak bir dosyadan veya dizinden oluşturabilirsiniz. Uzak konumlar için , httpswasbsve azureml konumları desteklenir. Oluşturulan model çalışma alanında belirtilen ad ve sürüm altında izlenir. Machine Learning, modeller için üç tür depolama biçimi destekler:

• custom_model
• mlflow_model
• triton_model

Çalışma alanı

Çalışma alanı Machine Learning için en üst düzey kaynaktır. Machine Learning'i kullanırken oluşturduğunuz tüm yapıtlarla çalışmak için merkezi bir yer sağlar. Çalışma alanı günlükler, ölçümler, çıkış ve betiklerinizin anlık görüntüsü de dahil olmak üzere tüm işlerin geçmişini tutar. Çalışma alanı, veri depoları ve işlem gibi kaynaklara başvurular depolar. Ayrıca modeller, ortamlar, bileşenler ve veri varlıkları gibi tüm varlıkları da barındırır.

Sonraki adımlar

Azure Machine Learning nedir?