Tot ce trebuie să știți despre serviciul Azure Machine Learning

Acest articol vă va prezenta noțiunea de implementare practici privind serviciul Azure Machine Learning. Următoarele indicații vor fi tratate în acest articol,

• Azure Machine Learning
• Serviciu Azure Machine Learning
• Serviciul Cloud Machine Learning
• Interfață grafică
• API Machine Learning
• ML.NET
• AutoML

Deci, haideți să începem cu acest articol Azure Machine Learning,

Azure Machine Learning

Apariția cloud-ului a marcat un nou început în infrastructura de calcul. În esență, a însemnat că se pot utiliza resurse care ar fi fost extrem de scumpe să le cumpere altfel să le folosească pe internet. Învățarea automată, în special învățarea profundă, necesită utilizarea arhitecturilor computerului care permit utilizarea unei cantități extrem de mari de RAM și VRAM (pentru Cuda Cores). Ambele mărfuri sunt greu de achiziționat din două motive principale -

1. Laptopurile pentru unul, pot împacheta doar o cantitate limitată de resurse în cadrul pe care îl au. Aceasta înseamnă că un utilizator tipic de laptop nu poate avea suficiente resurse la dispoziția sa pentru a efectua sarcinile de învățare automată la nivel local pe aparat

   
   
   

2. RAM și mai ales VRAM sunt extrem de scumpe de cumpărat și par a fi o investiție extrem de mare. Împreună cu RAM și VRAM robuste, avem nevoie și de suport pentru procesoare de înaltă calitate (în caz contrar CPU-ul s-ar dovedi a fi un blocaj pentru sistem), acest lucru crește și mai mult prețul general.

Continuăm cu articolul Azure Machine Learning,

Serviciu Azure Machine Learning

Luând în considerare problemele de mai sus, putem înțelege cu ușurință nevoia de resurse care sunt de unică folosință de la distanță prin Internet cu acces 24 * 7.

Azure ML este un serviciu bazat pe cloud care oferă o experiență simplificată pentru oamenii de știință de date la toate nivelurile. Acest lucru este deosebit de important datorită faptului că o mulțime de ingineri noi încearcă să intre în acest spațiu și poate fi deosebit de descurajant să efectuați aceste sarcini fără o interfață intuitivă cu utilizatorul.

(Sursa: Microsoft.com)

Azure ML este însoțit de un studio ML, care este în esență un instrument bazat pe browser care oferă cercetătorului de date o interfață de glisare și plasare ușor de utilizat în scopul construirii acestor modele.

Majoritatea algoritmilor și bibliotecilor puternic utilizate ies din cutie pentru utilizatori. De asemenea, oferă suport integrat pentru R și Python, permițând oamenilor de știință veterani de date să își schimbe și să-și personalizeze modelul și arhitectura după bunul plac.

Odată ce modelul este construit și este gata, acesta poate fi utilizat cu ușurință ca serviciu web care poate fi apelat de o multitudine de limbaje de programare, făcându-l disponibil în esență pentru aplicația care se confruntă cu utilizatorul final.

Machine Learning Studio face ca învățarea automată să fie destul de simplă, oferind un mod drag-and-drop în care construiți fluxul de lucru. Cu ML Studio și un număr mare de module pe care le oferă pentru modelarea fluxului de lucru, se pot realiza modele avansate fără a scrie niciun cod.

Învățarea automată începe cu date, care pot proveni dintr-o varietate de origini. De obicei, datele trebuie „curățate” înainte de a fi utilizate, pentru care ML Studio încorporează module pentru a ajuta la curățare. Odată ce datele sunt gata, se poate selecta un algoritm și poate „antrena” modelul peste date și găsi modele în acesta. După aceea, vine notarea și evaluarea modelului, care vă spune cât de bine este capabil să prevadă rezultatele. Toate acestea sunt livrate vizual în ML Studio. Odată ce modelul este gata, câteva clicuri de buton îl implementează ca serviciu Web, astfel încât să poată fi apelat din aplicațiile client.

ML Studio oferă implementări preînregistrate a douăzeci și cinci de algoritmi standard utilizați în învățarea automată. Le separă în patru secțiuni.

• Detectarea anomaliilor este o metodă de clasificare a lucrurilor, evenimentelor sau observațiilor care nu se potrivesc unui model convențional sau altor elemente dintr-un set de date.
• Algoritmii de regresie încearcă să descopere și să cuantifice relațiile dintre variabile. Prin stabilirea unei relații între o variabilă dependentă și una sau mai multe variabile independente, analiza de regresie poate permite prezicerea valorii unei variabile dependente, având în vedere un set de intrări cu o precizie cuantificabilă.
• Scopul algoritmilor de clasificare este de a identifica clasa căreia îi aparține o observație pe baza datelor de instruire constând din observații care au fost deja atribuite unei categorii.
• Clustering-ul caută să adune o grămadă de obiecte într-un mod în care obiectele din același grup (numite cluster) să fie mai asemănătoare între ele decât cu cele din alte grupuri (clustere).

Odată extins ca serviciu Web, un model poate fi utilizat cu apeluri REST simpliste prin HTTP. Acest lucru permite dezvoltatorilor să construiască aplicații care își aduc inteligența din învățarea automată.

Ceea ce urmează în acest articol Azure Machine Learning este un rezumat rapid despre azur și caracteristicile sale

Continuăm cu articolul Azure Machine Learning,

Serviciul Cloud Machine Learning

Serviciile cloud permit, în esență, utilizatorului final să închirieze sau să utilizeze serviciile (mașini hardware) desfășurate de o altă companie, de la distanță prin Internet.

Serviciul Azure Machine Learning oferă kituri și servicii de dezvoltare software pentru pregătirea promptă a datelor, instruirea și implementarea modelelor ML personalizate.Există suport pentru cadrele Python open-source, cum ar fi PyTorch, TensorFlow și scikit-learn.Ar trebui să luați în considerare utilizarea acestui lucru dacă trebuie să construiască modele personalizate sau să lucreze cu modele de învățare profundă

Cu toate acestea, dacă sunteți înclinat să nu lucrați în Python sau doriți un serviciu mai simplu, nu utilizați acest lucru.

Aceste servicii necesită o mulțime de cunoștințe și experiență în domeniul științei datelor și nu sunt recomandate pentru începători. Plătiți doar pentru resurse pentru a antrena modele. Mai multe niveluri de prețuri pentru implementarea prin Azure Kubernetes Service.

Continuăm cu articolul Azure Machine Learning,

Interfață grafică

Interfețele grafice nu sunt platforme de cod sau de cod redus bazate pe modalități de accesare a capabilităților, cum ar fi ML. Unele dintre ele pot fi liste derulante, în acest caz, este un instrument drag and drop.

Azure Machine Learning Studio este un instrument de învățare automată prin glisare și plasare care vă permite să construiți, să instruiți și să personalizați modele de învățare automată prin încărcarea unui set personalizat de date pentru evaluarea rezultatelor într-o interfață grafică. După instruirea unui model, îl puteți implementa ca serviciu web direct din Studio.

Această funcționalitate este de obicei folosită atunci când codul care trebuie scris trebuie să fie scăzut sau lucrarea majoră se bazează pe probleme fundamentale precum clasificarea, regresia și gruparea

Această abordare este, în general, prietenoasă pentru începători, însă necesită cunoștințe de bază în știința datelor.

Deși are o opțiune gratuită, nivelul standard costă 9,99 USD pe loc, pe lună și 1 USD pe oră de experimentare.

API Machine Learning

O interfață de program de aplicație (API) este un serviciu care poate fi furnizat de o organizație care poate trimite răspunsuri la anumite întrebări, iar aceste răspunsuri pot fi utilizate pentru a îmbunătăți aplicația cuiva.

convertirea dublului în int în java

Acest lucru ne permite să avem flexibilitatea de a accesa diverse servicii fără a împiedica direct aplicația noastră principală.

Serviciile API ale Microsoft se numesc Servicii cognitive. Acestea pot fi implementate chiar pe Azure. Există cinci clase de servicii disponibile, inclusiv viziune, limbaj, vorbire, căutare și decizie. Acestea sunt modele pre-instruite care se potrivesc dezvoltatorilor care sunt entuziaști să folosească Machine Learning, dar care nu au un background de știință a datelor.

Cu toate acestea, aceste servicii sunt scurte când vine vorba de personalizări și, prin urmare, nu sunt recomandate în cazurile în care multe lucruri sunt bine definite, cerințele nu sunt flexibile.

Continuăm cu articolul Azure Machine Learning,

ML.NET

Cadrele sunt cod general de contur pe care se poate construi propria aplicație. Cadrele permit funcționalitatea de nivel inferior să fie îngrijită, astfel încât să fie nevoie doar să aibă grijă de logica aplicației lor.

ML.NET are o clasificare, regresie, detectarea anomaliilor și algoritmi de instruire a recomandărilor și poate fi extins cu Tensorflow și ONNX pentru rețelele neuronale.

Acest lucru poate fi de mare folos pentru un dezvoltator .NET care se simte confortabil construindu-și propriile conducte ML.Cu toate acestea, curba de învățare înseamnă că dezvoltatorii generali de python ar trebui să stea departe.

Continuăm cu articolul Azure Machine Learning,

AutoML

Învățarea automată automată a atras o mare atenție recent și este un software care selectează și antrenează automat modelele de învățare automată. Deși este ușor de crezut că poate înlocui din punct de vedere tehnic meseria de om de știință a datelor, cineva care a folosit-o de fapt știe clar, există limitări în ceea ce poate și nu poate face.

Actualul meta (fără AutoML) pentru oamenii de știință de date ar fi mai întâi să creeze un model de bază și apoi să itereze diferitele posibilități pentru parametrii hiper, manual, până când ajung la un set de valori care dau cele mai bune rezultate. După cum se poate ghici cu ușurință, aceasta este o strategie extrem de consumatoare de timp și de succes. De asemenea, spațiul de căutare crește exponențial odată cu creșterea numărului de hiperparametri, ceea ce face ca noile arhitecturi bazate pe rețea neuronală să fie aproape imposibil de iterat și optimizat complet.

În prezent, AutoML-ul Microsoft este capabil să construiască automat un set de modele ML, să selecteze inteligent modele pentru antrenament, apoi să îl recomande pe cel mai bun pe baza problemei ML și a tipului de date. Pe scurt, selectează algoritmul potrivit și ajută la reglarea hiperparametrelor. În prezent, acceptă numai probleme de clasificare, prognoză și regresie.

AutoML este utilizat cu Azure Machine Learning Service sau ML.NET și plătiți pentru orice costuri asociate acestora.

Deci, acest lucru ne aduce la sfârșitul acestui articol. Sper că v-a plăcut acest articol. Dacă citiți acest lucru, permiteți-mi să vă felicit. Deoarece nu mai sunteți începător în Azure! Cu cât exersezi mai mult, cu atât vei învăța mai mult. Pentru a vă ușura călătoria, am venit cu acest lucru Tutorial Azure Seria de bloguri care va fi actualizat frecvent, așa că stați la curent!

De asemenea, am venit cu un curriculum care acoperă exact ceea ce ai avea nevoie pentru a sparge examenele Azure! Puteți arunca o privire la detaliile cursului pentru . Învățare fericită!

Ai o întrebare pentru noi? Vă rugăm să o menționați în secțiunea de comentarii a acestui articol și vă vom răspunde.