什么是 Azure 机器学习?

在本文中,你将了解 Azure 机器学习,这是一种基于云的环境,你可以使用它来训练、部署、自动化、管理和跟踪 ML 模型。

Azure 机器学习可用于任何类型的机器学习,从传统 ml 到深度学习、监督式和非监督式学习。 无论你是希望使用 SDK 编写 Python 或 R 代码,还是在工作室中使用无代码/低代码选项,你都可以在 Azure 机器学习工作区中构建、训练和跟踪机器学习和深度学习模型。

开始在本地计算机上训练,然后横向扩展到云。

此服务还与常用的深度学习和强化学习开放源代码工具(如 PyTorch、TensorFlow、scikit-learn 和 Ray RLlib)进行互操作。

提示

免费试用! 如果没有 Azure 订阅,请在开始前创建一个试用帐户。 立即试用 Azure 机器学习的试用版。 你将获得可用于 Azure 服务的赠送额度。 额度用完后,可以保留该帐户并继续使用免费的 Azure 服务。 除非显式更改设置并要求付费,否则不会对信用卡收取任何费用。

什么是机器学习?

机器学习是一项数据科研技术,可以让计算机根据现有的数据来预测将来的行为、结果和趋势。 使用机器学习,计算机可以在不需显式编程的情况下进行学习。

机器学习的预测可让应用和设备变得更聪明。 例如,在网上购物时,机器学习可根据购买的产品帮助推荐其他产品。 或者,在刷信用卡时,机器学习可将这笔交易与交易数据库进行比较,帮助检测诈骗。 当吸尘器机器人打扫房间时,机器学习可帮助它确定作业是否已完成。

适用于每个任务的机器学习工具

Azure 机器学习为其机器学习工作流提供了开发人员和数据科学家所需的所有工具,包括:

甚至可以使用 MLflow 跟踪指标并部署模型或使用 Kubeflow 生成端到端工作流管道

在 Python 或 R 中生成 ML 模型

开始使用 Azure 机器学习 Python SDKR SDK 在本地计算机上训练。 然后,横向扩展到云。

借助许多可用的计算目标(例如 Azure 机器学习计算和 Azure Databricks)以及高级超参数优化服务,可以利用云的强大功能更快地生成更好的模型。

也可使用 SDK 自动完成模型训练和优化

在工作室中生成 ML 模型

Azure 机器学习工作室是 Azure 机器学习中的 Web 门户,提供用于模型训练、部署和资产管理的低代码和无代码选项。 工作室与 Azure 机器学习 SDK 集成,以实现无缝体验。 有关详细信息,请参阅什么是 Azure 机器学习工作室

MLOps:部署和生命周期管理

有了正确的模型以后,即可轻松地将其用在 Web 服务中、IoT 设备上或 Power BI 中。 有关详细信息,请参阅有关部署方式及位置的文章。

然后,可以使用适用于 Python 的 Azure 机器学习 SDKAzure 机器学习工作室机器学习 CLI 来管理已部署的模型。

可以使用这些模型实时返回预测,或者在有大量数据的情况下异步返回预测。

使用高级机器学习管道,可以在每一步(从数据准备、模型训练和评估一直到部署)进行协作。 使用 Pipelines 可以:

  • 自动完成云中的端到端机器学习过程
  • 重用组件并仅在需要时重新运行步骤
  • 在每个步骤中使用不同的计算资源
  • 运行批量评分任务

如果要使用脚本自动执行机器学习工作流,机器学习 CLI 提供了执行常见任务(如提交训练运行或部署模型)的命令行工具。

若要开始使用 Azure 机器学习,请参阅后续步骤

与其他服务集成

Azure 机器学习可与 Azure 平台上的其他服务配合使用,还能与诸如 Git 和 MLFlow 之类的开源工具集成。

安全通信

Azure 存储帐户、计算目标和其他资源可在虚拟网络内安全地用于定型模型并执行推理。

后续步骤

开始使用快速入门:Azure 机器学习入门。 然后,使用以下资源通过首选方法创建第一个试验: