Azure Machine Learning
Microsoft Azure Machine Learning は、機械学習モデルをトレーニング、デプロイ、管理するためのクラウド サービスです。 これは、データ科学者、ソフトウェア エンジニア、DevOps プロフェッショナルなどのユーザーが、次のような、機械学習プロジェクトのエンド ツー エンドのライフサイクルを管理するために使用するように設計されています。
- データを探索し、それをモデリング用に準備する。
- 機械学習モデルをトレーニングして評価する。
- トレーニング済みモデルを登録して管理する。
- アプリケーションとサービスで使用するためにトレーニング済みモデルをデプロイする。
- 責任ある AI の原則とプラクティスを確認して適用する。
Azure Machine Learning の特徴と機能
Azure Machine Learning には、機械学習ワークロードをサポートするための以下の特徴と機能が用意されています。
- モデルのトレーニングと評価のためのデータセットの一元化されたストレージと管理。
- モデルのトレーニングなど、機械学習ジョブを実行できるオンデマンドのコンピューティング リソース。
- 自動機械学習 (AutoML)。これにより、さまざまなアルゴリズムとパラメータを使用して複数のトレーニング ジョブを実行し、データに最適なモデルを見つけることが容易になります。
- モデルのトレーニングや推論などのプロセス用の調整された "パイプライン" を定義するためのビジュアル ツール。
- MLflow などの一般的な機械学習フレームワークとの統合。これにより、モデルのトレーニング、評価、デプロイの大規模な管理が容易になります。
- モデルの説明可能性、公平性の評価など、責任ある AI のメトリックを視覚化および評価するための組み込みのサポート。
Azure Machine Learning リソースのプロビジョニング
Azure Machine Learning に必要な主要なリソースは、"Azure Machine Learning ワークスペース" です。これは、Azure サブスクリプションでプロビジョニングできます。 ストレージ アカウント、コンテナー レジストリ、仮想マシンなど、その他のサポート リソースは、必要に応じて自動的に作成されます。
Azure Machine Learning ワークスペースを作成するには、こちらに示すように Azure portal を使用できます。
Azure Machine Learning Studio
Azure Machine Learning ワークスペースをプロビジョニングしたら、機械学習リソースとジョブを管理するためのブラウザー ベースのポータルである "Azure Machine Learning スタジオ" で使用できます。
Azure Machine Learning スタジオでは、(特に) 以下のことができます。
- データをインポートして探索する。
- コンピューティング リソースを作成して使用する。
- ノートブックでコードを実行する。
- ビジュアル ツールを使用して、ジョブとパイプラインを作成する。
- 自動機械学習を使ってモデルをトレーニングする。
- 評価メトリック、責任ある AI 情報、トレーニング パラメータなど、トレーニング済みのモデルの詳細を表示する。
- 要求時およびバッチ推論用にトレーニング済みモデルをデプロイする。
- 包括的なモデル カタログからモデルをインポートして管理する。
このスクリーンショットは、Azure Machine Learning スタジオのトレーニング済みモデルの [メトリック] ページを示しています。ここでは、トレーニング済みの多クラス分類モデルの評価メトリックを確認できます。