什么是 Azure 机器学习工作室？What is Azure Machine Learning studio?

• 08/24/2020
• • 

本文将介绍 Azure 机器学习工作室，这是 Azure 机器学习中面向数据科学家开发人员的 Web 门户。In this article, you learn about Azure Machine Learning studio, the web portal for data scientist developers in Azure Machine Learning. 此工作室将无代码和代码优先体验结合起来，打造包容的数据科学平台。The studio combines no-code and code-first experiences for an inclusive data science platform.

本文内容：In this article you learn:

创作机器学习项目Author machine learning projects

该工作室提供多种创作体验，具体取决于类型项目和用户体验级别。The studio offers multiple authoring experiences depending on the type project and the level of user experience.

• NotebookNotebooks

  在直接集成到工作室中的托管 Jupyter Notebook 服务器中编写和运行自己的代码。Write and run your own code in managed Jupyter Notebook servers that are directly integrated in the studio.

• Azure 机器学习设计器（预览版）Azure Machine Learning designer (preview)

  使用设计器可在不编写任何代码的情况下训练和部署机器学习模型。Use the designer to train and deploy machine learning models without writing any code. 拖放数据集和模块以创建 ML 管道。Drag and drop datasets and modules to create ML pipelines. 尝试设计器教程。Try out the designer tutorial.

  

• 自动化机器学习 UI（预览版）Automated machine learning UI (preview)

  了解如何通过易于使用的界面创建自动化 ML 试验。Learn how to create automated ML experiments with an easy-to-use interface.

  

• 数据标记Data labeling

  使用 Azure 机器学习数据标签来高效地协调数据标签项目。Use Azure Machine Learning data labeling to efficiently coordinate data labeling projects.

管理资产和资源Manage assets and resources

直接在浏览器中管理机器学习资产。Manage your machine learning assets directly in your browser. 在 SDK 和工作室之间的同一工作区中共享资产，以实现无缝体验。Assets are shared in the same workspace between the SDK and the studio for a seamless experience. 使用工作室管理：Use the studio to manage:

• 模型Models
• 数据集Datasets
• 数据存储Datastores
• 计算资源Compute resources
• 笔记本Notebooks
• 试验Experiments
• 运行日志Run logs
• 管道Pipelines
• 管道终结点Pipeline endpoints

即使你是经验丰富的开发人员，工作室也可以简化你管理工作区资源的方式。Even if you're an experienced developer, the studio can simplify how you manage workspace resources.

机器学习工作室（经典）与 Azure 机器学习工作室ML Studio (classic) vs Azure Machine Learning studio

机器学习工作室（经典）于 2015 年发布，是我们的第一个拖放式机器学习生成器。Released in 2015, ML Studio (classic) was our first drag-and-drop machine learning builder. 它是一个只提供视觉体验的独立服务。It is a standalone service that only offers a visual experience. 工作室（经典）不与 Azure 机器学习进行互操作。Studio (classic) does not interoperate with Azure Machine Learning.

Azure 机器学习是一种独立的新式服务，可提供完整的数据科学平台。Azure Machine Learning is a separate and modernized service that delivers a complete data science platform. 它同时支持代码优先和低代码体验。It supports both code-first and low-code experiences.

Azure 机器学习工作室是 Azure 机器学习中的 Web 门户，其中包含用于项目创作和资产管理的低代码和无代码选项。Azure Machine Learning studio is a web portal in Azure Machine Learning that contains low-code and no-code options for project authoring and asset management.

我们建议新用户选择 Azure 机器学习而不是机器学习工作室（经典），以使用最新的数据科学工具。We recommend that new users choose Azure Machine Learning, instead of ML Studio (classic), for the latest range of data science tools.

功能比较Feature comparison

下表总结了机器学习工作室（经典）和 Azure 机器学习之间的一些重要差异。The following table summarizes the key differences between ML Studio (classic) and Azure Machine Learning.

后续步骤Next steps

请访问工作室，或浏览以下教程中的不同创作选项：Visit the studio, or explore the different authoring options with these tutorials:

• 使用 Python 笔记本训练和部署模型Use Python notebooks to train & deploy models
• 使用自动化机器学习训练和部署模型Use automated machine learning to train & deploy models
• 使用设计器训练和部署模型Use the designer to train & deploy models