Tutto ciò che devi sapere sul servizio Azure Machine Learning

Questo articolo ti introdurrà al nocciolo duro dell'implementazione pratiche sul servizio Azure Machine Learning. I seguenti suggerimenti saranno trattati in questo articolo,

• Azure Machine Learning
• Servizio Azure Machine Learning
• Il servizio cloud di Machine Learning
• Interfaccia grafica
• API Machine Learning
• ML.NET
• AutoML

Quindi iniziamo con questo articolo di Azure Machine Learning,

Azure Machine Learning

L'avvento del cloud ha segnato un nuovo inizio nell'infrastruttura informatica. Fondamentalmente significava che si possono utilizzare risorse che sarebbero state estremamente costose da acquistare altrimenti da utilizzare su Internet. L'apprendimento automatico, in particolare il deep learning, richiede l'uso di architetture informatiche che consentono l'utilizzo di una quantità estremamente elevata di RAM e VRAM (per i Cuda Core). Entrambe queste materie prime sono difficili da acquisire per due motivi principali:

1. I laptop per uno, possono contenere solo una quantità limitata di risorse nella cornice che hanno. Ciò significa che un tipico utente di laptop non può avere abbastanza risorse a sua disposizione per eseguire le attività di apprendimento automatico localmente sulla macchina

   
   
   

2. La RAM e soprattutto la VRAM sono estremamente costose da acquistare e sembrano essere un investimento estremamente elevato. Insieme a una RAM e una VRAM robuste, abbiamo anche bisogno di supportare CPU di alta qualità (altrimenti la CPU si rivelerebbe un collo di bottiglia per il sistema), questo fa aumentare ulteriormente il prezzo complessivo.

Andando avanti con l'articolo di Azure Machine Learning,

Servizio Azure Machine Learning

Tenendo conto delle questioni di cui sopra, possiamo facilmente comprendere la necessità di risorse disponibili in remoto su Internet con accesso 24 ore su 24, 7 giorni su 7.

Azure ML è un servizio basato su cloud che offre un'esperienza semplificata per i data scientist a tutti i livelli. Ciò è particolarmente importante per il fatto che molti nuovi ingegneri stanno cercando di entrare in questo spazio e può essere particolarmente scoraggiante eseguire queste attività senza un'interfaccia utente intuitiva.

(Fonte: Microsoft.com)

Azure ML è accompagnato da ML Studio, che essenzialmente è uno strumento basato su browser che offre al data scientist un'interfaccia drag and drop facile da usare allo scopo di creare questi modelli.

La maggior parte degli algoritmi e delle librerie pesantemente utilizzati è pronta per gli utenti. Vanta anche il supporto integrato per R e Python, consentendo ai veterani dei data scientist di modificare e personalizzare il loro modello e la sua architettura secondo i loro gusti.

Una volta che il modello è stato costruito ed è pronto, può essere facilmente utilizzato come un servizio web che può essere chiamato da una pletora di linguaggi di programmazione, rendendolo essenzialmente disponibile per l'applicazione che si trova effettivamente di fronte all'utente finale.

come fare un avviso in javascript

Machine Learning Studio rende l'apprendimento automatico abbastanza semplice fornendo un modo drag-and-drop in cui costruire il flusso di lavoro. Con ML Studio e un gran numero di moduli che offre per modellare il flusso di lavoro, è possibile creare modelli avanzati senza scrivere alcun codice.

L'apprendimento automatico inizia con i dati, che possono provenire da una varietà di origini. I dati in genere devono essere 'puliti' prima di essere utilizzati, per cui ML Studio incorpora moduli per facilitare la pulizia. Una volta che i dati sono pronti, è possibile selezionare un algoritmo e 'addestrare' il modello sui dati e trovare schemi in esso. Dopodiché viene il punteggio e la valutazione del modello, che ti dice quanto bene il modello è in grado di predire i risultati. Tutto questo viene fornito visivamente in ML Studio. Una volta che il modello è pronto, pochi clic del pulsante lo distribuiscono come servizio Web in modo che possa essere chiamato dalle app client.

ML Studio fornisce implementazioni preregistrate di venticinque algoritmi standard utilizzati nell'apprendimento automatico. Li separa in quattro sezioni.

• Il rilevamento di anomalie è un metodo di classificazione di cose, eventi o osservazioni che non si adattano a un modello convenzionale o ad altri elementi in un set di dati.
• Gli algoritmi di regressione tentano di scoprire e quantificare le relazioni tra le variabili. Stabilendo una relazione tra una variabile dipendente e una o più variabili indipendenti, l'analisi di regressione può consentire di prevedere il valore di una variabile dipendente dato un insieme di input con una precisione quantificabile.
• L'obiettivo degli algoritmi di classificazione è identificare la classe a cui appartiene un'osservazione sulla base di dati di addestramento costituiti da osservazioni già assegnate a una categoria.
• Il raggruppamento cerca di accumulare un gruppo di oggetti in modo che gli oggetti nello stesso gruppo (chiamato cluster) siano più simili tra loro che a quelli di altri gruppi (cluster).

Una volta esteso come servizio Web, un modello può essere utilizzato con chiamate REST semplicistiche su HTTP. Ciò consente agli sviluppatori di creare applicazioni che recuperano la loro intelligenza dal machine learning.

Quello che segue in questo articolo di Azure Machine Learning è un breve riepilogo di Azure e delle sue funzionalità

Andando avanti con l'articolo di Azure Machine Learning,

come creare una sessione in java

Il servizio cloud di Machine Learning

I servizi cloud consentono essenzialmente a un utente finale di noleggiare o utilizzare i servizi (macchine hardware) distribuiti da un'altra società, in remoto su Internet.

Il servizio Azure Machine Learning fornisce kit e servizi di sviluppo software per preparare tempestivamente i dati, addestrare e distribuire modelli ML personalizzati.È disponibile un supporto predefinito per framework Python open source, come PyTorch, TensorFlow e scikit-learn.Si dovrebbe considerare di utilizzarlo se hanno bisogno di creare modelli personalizzati o lavorare con modelli di deep learning

Tuttavia, se sei incline a non lavorare in Python o desideri un servizio più semplice, non usarlo.

Questo servizio richiede una buona dose di conoscenza e background della scienza dei dati e non è consigliato ai principianti. Paga solo le risorse per addestrare i modelli. Diversi livelli di prezzo per la distribuzione tramite il servizio Azure Kubernetes.

Andando avanti con l'articolo di Azure Machine Learning,

Interfaccia grafica

Le interfacce grafiche non sono un codice o una piattaforma a basso codice basata su modalità di accesso a funzionalità come ML. Alcuni di essi possono essere elenchi a discesa, in questo caso è uno strumento di trascinamento della selezione.

Azure Machine Learning Studio è uno strumento di Machine Learning drag-and-drop che consente di creare, addestrare e personalizzare modelli di machine learning caricando un set personalizzato di dati per valutare i risultati in un'interfaccia grafica. Dopo aver addestrato un modello, puoi distribuirlo come servizio Web direttamente da Studio.

Questa funzionalità viene solitamente impiegata quando il codice da scrivere deve essere basso o il lavoro principale si basa su problemi fondamentali come la classificazione, la regressione e il clustering

Questo approccio è generalmente amichevole per i principianti, tuttavia richiede alcune conoscenze di base nella scienza dei dati.

Sebbene abbia un'opzione gratuita, il livello standard costa $ 9,99 per posto, al mese e $ 1 per ora di sperimentazione.

API Machine Learning

Un'API (Application Program Interface) è un servizio che può essere fornito da un'organizzazione che può inviare risposte a determinate domande e tali risposte possono essere utilizzate per migliorare la propria applicazione.

cosa fa tostring in java

Questo ci consente di avere la flessibilità di accedere a vari servizi senza impantanare direttamente la nostra applicazione principale.

I servizi API di Microsoft sono chiamati Servizi cognitivi. Questi possono essere distribuiti direttamente su Azure. Sono disponibili cinque classi di servizi tra cui visione, lingua, parola, ricerca e decisione. Si tratta di modelli pre-addestrati che si adattano agli sviluppatori entusiasti di utilizzare l'apprendimento automatico ma non hanno un background di scienza dei dati.

Tuttavia, questi servizi non sono all'altezza quando si tratta di personalizzazioni e quindi non sono consigliati nei casi in cui molte cose sono ben definite, i requisiti non sono flessibili.

Andando avanti con l'articolo di Azure Machine Learning,

ML.NET

I framework sono un codice di struttura generale su cui è possibile costruire la propria applicazione. I framework consentono di occuparsi della funzionalità di livello inferiore in modo che sia sufficiente occuparsi della loro logica applicativa.

ML.NET dispone di algoritmi di classificazione, regressione, rilevamento di anomalie e addestramento dei suggerimenti e può essere esteso con Tensorflow e ONNX per le reti neurali.

Questo può essere di grande utilità per uno sviluppatore .NET che si sente a proprio agio nella creazione delle proprie pipeline ML.Tuttavia, la curva di apprendimento significa che gli sviluppatori Python generali dovrebbero stare alla larga.

Andando avanti con l'articolo di Azure Machine Learning,

AutoML

L'apprendimento automatico automatizzato ha attirato molta attenzione di recente ed è un software che seleziona e addestra automaticamente i modelli di apprendimento automatico. Sebbene sia facile pensare che possa sostituire tecnicamente il lavoro di un data scientist, chi lo ha effettivamente utilizzato sa chiaramente che ci sono dei limiti a ciò che può e non può fare.

L'attuale meta (senza AutoML) per i data scientist sarebbe creare prima un modello di base e quindi iterare manualmente sulle varie possibilità per gli iperparametri, fino a quando non arrivano a una serie di valori che producono i migliori risultati. Come si può facilmente intuire, questa è una strategia estremamente dispendiosa in termini di tempo e basata su incertezze. Inoltre, lo spazio di ricerca aumenta in modo esponenziale all'aumentare del numero di iperparametri, rendendo quasi impossibile l'iterazione e l'ottimizzazione delle nuove architetture basate su reti neurali profonde.

Al momento, AutoML di Microsoft è in grado di creare automaticamente una serie di modelli ML, selezionare in modo intelligente i modelli per l'addestramento, quindi consigliarti quello migliore in base al problema ML e al tipo di dati. In poche parole, seleziona l'algoritmo giusto e aiuta a mettere a punto gli iperparametri. Attualmente supporta solo problemi di classificazione, previsione e regressione.

AutoML viene utilizzato con Azure Machine Learning Service o ML.NET e tu paghi i costi ad essi associati.

Quindi questo ci porta alla fine di questo articolo. Spero che questo articolo ti sia piaciuto. Se stai leggendo questo, lascia che ti congratuli. Dato che non sei più un principiante in Azure! Più pratichi più imparerai. Per rendere il tuo viaggio facile, abbiamo pensato a questo Tutorial di Azure Serie di blog che verrà aggiornato frequentemente, quindi rimanete sintonizzati!

Abbiamo anche messo a punto un curriculum che copre esattamente ciò di cui hai bisogno per superare gli esami Azure! Puoi dare un'occhiata ai dettagli del corso per . Buon apprendimento!

Hai domande per noi? Per favore menzionalo nella sezione commenti di questo articolo e ti risponderemo.