Azure Machine Learning

• 6 minuti

Microsoft Azure Machine Learning è un servizio cloud per il training, la distribuzione e la gestione di modelli di Machine Learning. È stato progettato per essere utilizzato da data scientist, ingegneri del software, professionisti devops e altre figure per gestire il ciclo di vita end-to-end dei progetti di Machine Learning, tra cui:

• Esplorazione dei dati e preparazione per la modellazione.
• Training e valutazione dei modelli di Machine Learning.
• Registrazione e gestione dei modelli sottoposti a training.
• Distribuzione di modelli sottoposti a training per l'uso da parte di applicazioni e servizi.
• Revisione e applicazione di principi e procedure di IA responsabili.

Caratteristiche e capacità di Azure Machine Learning

Azure Machine Learning offre le caratteristiche e le capacità seguenti per supportare i carichi di lavoro di Machine Learning:

• Archiviazione centralizzata e gestione dei set di dati per il training e la valutazione del modello.
• Risorse di calcolo su richiesta in cui è possibile eseguire processi di Machine Learning, ad esempio l’addestramento di un modello.
• Machine Learning automatizzato (AutoML), che semplifica l'esecuzione di più processi di training con algoritmi e parametri diversi per trovare il modello migliore per i dati.
• Strumenti visivi per definire pipeline orchestrate per processi come il training del modello o l'inferenza.
• Integrazione con framework di Machine Learning comuni, ad esempio MLflow, che semplificano la gestione del training, della valutazione e della distribuzione dei modelli su larga scala.
• Supporto integrato per la visualizzazione e la valutazione delle metriche per l'IA responsabile, tra cui la spiegabilità del modello, la valutazione dell'equità e altre.

Provisioning delle risorse di Azure Machine Learning

La risorsa primaria necessaria per Azure Machine Learning è un’area di lavoro di Azure Machine Learning, di cui è possibile effettuare il provisioning in una sottoscrizione di Azure. Altre risorse di supporto, inclusi account di archiviazione, registri contenitori, macchine virtuali e altro, vengono create automaticamente in base alle esigenze.

Per creare un'area di lavoro Azure Machine Learning, è possibile usare i modelli del portale di Azure, come mostrato di seguito:

Studio di Azure Machine Learning

Dopo aver effettuato il provisioning di un'area di lavoro di Azure Machine Learning, è possibile usarla in studio di Azure Machine Learning, un portale basato su browser per la gestione delle risorse e dei processi di Machine Learning.

Nello studio di Azure Machine Learning è possibile (tra le altre cose):

• Importare ed esplorare i dati.
• Creare e usare le risorse di calcolo.
• Eseguire il codice nei notebook.
• Usare gli strumenti visivi per creare processi e pipeline.
• Usare Machine Learning automatizzato per eseguire il training di modelli.
• Visualizzare i dettagli dei modelli sottoposti a training, tra cui le metriche di valutazione, le informazioni sull'intelligenza artificiale responsabile e i parametri di training.
• Distribuire i modelli sottoposti a training per l'inferenza su richiesta e in batch.
• Importare e gestire modelli da un catalogo di modelli completo.

Lo screenshot mostra la pagina Metriche per un modello sottoposto a training in studio di Azure Machine Learning, in cui è possibile visualizzare le metriche di valutazione per un modello di classificazione multiclasse sottoposto a training.