Szkolenie modelu
Dostępnych jest wiele usług do trenowania modeli uczenia maszynowego. Która używana usługa zależy od takich czynników jak:
- Jakiego typu model należy wytrenować,
- Niezależnie od tego, czy potrzebujesz pełnej kontroli nad trenowaniem modelu,
- Ile czasu chcesz zainwestować w trenowanie modeli,
- Które usługi znajdują się już w organizacji,
- Z którym językiem programowania jesteś wygodny.
Na platformie Azure dostępnych jest kilka usług do trenowania modeli uczenia maszynowego. Niektóre często używane usługi to:
| Ikona | opis |
|---|---|
|
Usługa Azure Machine Learning oferuje wiele różnych opcji trenowania modeli uczenia maszynowego i zarządzania nimi. Możesz wybrać pracę z programem Studio dla środowiska opartego na interfejsie użytkownika lub zarządzać obciążeniami uczenia maszynowego przy użyciu zestawu SDK języka Python lub interfejsu wiersza polecenia w celu uzyskania środowiska opartego na kodzie. Dowiedz się więcej o usłudze Azure Machine Learning. |
|
Azure Databricks to platforma do analizy danych, której można używać do inżynierii danych i nauki o danych. Usługa Azure Databricks korzysta z rozproszonych obliczeń platformy Spark w celu wydajnego przetwarzania danych. Możesz trenować modele i zarządzać nimi za pomocą usługi Azure Databricks lub integrując usługę Azure Databricks z innymi usługami, takimi jak Azure Machine Learning. Dowiedz się więcej o usłudze Azure Databricks. |
|
Microsoft Fabric to zintegrowana platforma analityczna zaprojektowana w celu usprawnienia przepływów pracy danych między analitykami danych, inżynierami danych i analitykami danych. Za pomocą usługi Microsoft Fabric można przygotować dane, wytrenować model, użyć wytrenowanego modelu do generowania przewidywań i wizualizować dane w raportach usługi Power BI. Dowiedz się więcej o usłudze Microsoft Fabric i w szczególności o funkcjach nauki o danych w usłudze Microsoft Fabric. |
|
Foundry Tools to kolekcja wstępnie utworzonych modeli uczenia maszynowego, których można używać do typowych zadań uczenia maszynowego, takich jak wykrywanie obiektów na obrazach. Modele są oferowane jako interfejs programowania aplikacji (API), dzięki czemu można łatwo zintegrować model z aplikacją. Niektóre modele można dostosować przy użyciu własnych danych treningowych, oszczędzając czas i zasoby w celu wytrenowania nowego modelu od podstaw. Dowiedz się więcej o narzędziach odlewniczych. |
Funkcje i możliwości usługi Azure Machine Learning
Skoncentrujmy się na usłudze Azure Machine Learning. Microsoft Azure Machine Learning to usługa w chmurze służąca do trenowania, wdrażania i zarządzania modelami uczenia maszynowego. Jest ona przeznaczona do użycia przez analityków danych, inżynierów oprogramowania, specjalistów devops i innych w celu zarządzania całym cyklem życia projektów uczenia maszynowego.
Usługa Azure Machine Learning obsługuje zadania, w tym:
- Eksplorowanie danych i przygotowywanie ich do modelowania.
- Trenowanie i ocenianie modeli uczenia maszynowego.
- Rejestrowanie wytrenowanych modeli i zarządzanie nimi.
- Wdrażanie wytrenowanych modeli do użycia przez aplikacje i usługi.
- Przeglądanie i stosowanie zasad i praktyk dotyczących odpowiedzialnej sztucznej inteligencji.
Usługa Azure Machine Learning udostępnia następujące funkcje i możliwości do obsługi obciążeń uczenia maszynowego:
- Scentralizowany magazyn i zarządzanie zestawami danych na potrzeby trenowania i oceny modelu.
- Zasoby obliczeniowe na żądanie, na których można uruchamiać zadania uczenia maszynowego, takie jak trenowanie modelu.
- Zautomatyzowane uczenie maszynowe (AutoML), które ułatwia uruchamianie wielu zadań szkoleniowych przy użyciu różnych algorytmów i parametrów w celu znalezienia najlepszego modelu dla danych.
- Narzędzia wizualne do definiowania orkiestrowanych potoków dla procesów, takich jak trenowanie modeli czy wnioskowanie.
- Integracja z typowymi ramami uczenia maszynowego, takimi jak MLflow, co ułatwia zarządzanie trenowaniem, ewaluacją i wdrażaniem modeli na dużą skalę.
- Wbudowana obsługa wizualizowania i oceniania metryk dla odpowiedzialnej sztucznej inteligencji, w tym możliwości wyjaśnienia modelu, oceny sprawiedliwości i innych.
Następnie zobaczmy, jak rozpocząć pracę z usługą Azure Machine Learning w interfejsie użytkownika.