Co je Azure Machine Learning?What is Azure Machine Learning?

V tomto článku se dozvíte o Azure Machine Learning cloudovém prostředí, které můžete využít ke školení, nasazení, automatizaci, správě a sledování modelů ML.In this article, you learn about Azure Machine Learning, a cloud-based environment you can use to train, deploy, automate, manage, and track ML models.

Azure Machine Learning můžete použít pro libovolný druh strojového učení, od klasického ml až po hloubkové učení, pod dohledem a bez dohledu učení.Azure Machine Learning can be used for any kind of machine learning, from classical ml to deep learning, supervised, and unsupervised learning. Bez ohledu na to, jestli chcete psát kód v Pythonu nebo R pomocí sady SDK nebo pracovat s možnostmi žádného kódu a nízkého kódu v studiu, můžete v pracovní prostor Azure Machine Learning sestavovat, vyvíjet a sledovat modely strojového učení a hloubkového učení.Whether you prefer to write Python or R code with the SDK or work with no-code/low-code options in the studio, you can build, train, and track machine learning and deep-learning models in an Azure Machine Learning Workspace.

Spusťte školení na místním počítači a pak nahorizontální navýšení kapacity do cloudu.Start training on your local machine and then scale out to the cloud.

Služba také spolupracuje s oblíbenými nástroji pro hloubkové učení a posílením open source nástrojů, jako jsou PyTorch, TensorFlow, scikit-Learning a Ray RLlib.The service also interoperates with popular deep learning and reinforcement open-source tools such as PyTorch, TensorFlow, scikit-learn, and Ray RLlib.

Tip

Bezplatná zkušební verzeFree trial! Pokud ještě nemáte předplatné Azure, vytvořte si bezplatný účet před tím, než začnete.If you don’t have an Azure subscription, create a free account before you begin. Vyzkoušení bezplatné nebo placené verze Azure Machine Learning dnesTry the free or paid version of Azure Machine Learning today. Získáte kredity, které můžete využít na služby Azure.You get credits to spend on Azure services. Po jejich vyčerpání si můžete účet ponechat a používat bezplatné služby Azure.After they're used up, you can keep the account and use free Azure services. Nikdy vám nebudeme účtovat žádné poplatky, pokud si sami nezměníte nastavení a nezačnete používat placené služby.Your credit card is never charged unless you explicitly change your settings and ask to be charged.

Co je strojové učení?What is machine learning?

Strojové učení je technika datové vědy, která umožňuje počítačům s využitím existujících dat předvídat budoucí chování, výsledky a trendy.Machine learning is a data science technique that allows computers to use existing data to forecast future behaviors, outcomes, and trends. Pomocí strojového učení se počítače učí bez explicitního programování.By using machine learning, computers learn without being explicitly programmed.

Díky předpovědím neboli predikcím ze strojového učení můžou být aplikace a zařízení chytřejší.Forecasts or predictions from machine learning can make apps and devices smarter. Například při nakupování online pomůže strojové učení doporučit další produkty, které byste mohli chtít v závislosti na zakoupení.For example, when you shop online, machine learning helps recommend other products you might want based on what you've bought. Nebo při protažení platební karty terminálem strojové učení porovná transakci s databází transakcí a pomáhá detekovat podvody.Or when your credit card is swiped, machine learning compares the transaction to a database of transactions and helps detect fraud. A takový robotický vysavač na základě strojového učení zjišťuje, jestli už v místnosti dostatečně uklidil.And when your robot vacuum cleaner vacuums a room, machine learning helps it decide whether the job is done.

Nástroje pro strojové učení, které se vejdou na jednotlivé úlohyMachine learning tools to fit each task

Azure Machine Learning poskytuje vývojářům a odborníkům přes data, kteří potřebují pro své pracovní postupy pro strojové učení, včetně těchto nástrojů:Azure Machine Learning provides all the tools developers and data scientists need for their machine learning workflows, including:

Můžete dokonce použít MLflow ke sledování metrik a nasazení modelů nebo Kubeflow k sestavení koncových kanálů pracovního postupu.You can even use MLflow to track metrics and deploy models or Kubeflow to build end-to-end workflow pipelines.

Vytváření modelů ML v Pythonu nebo RBuild ML models in Python or R

Spusťte školení na místním počítači pomocí Azure Machine Learning Python SDK nebo R SDK.Start training on your local machine using the Azure Machine Learning Python SDK or R SDK. Pak můžete horizontální navýšení kapacity na Cloud.Then, you can scale out to the cloud.

Díky mnoha dostupným výpočetním cílům, jako je Azure Machine Learning compute a Azure Databricks, a s pokročilými službami ladění pomocí parametrůmůžete vytvářet lepší modely rychleji pomocí výkonného cloudu.With many available compute targets, like Azure Machine Learning Compute and Azure Databricks, and with advanced hyperparameter tuning services, you can build better models faster by using the power of the cloud.

Můžete také automatizovat školicí a optimalizační model pomocí sady SDK.You can also automate model training and tuning using the SDK.

Vytváření modelů ML v studiuBuild ML models in the studio

Azure Machine Learning Studio je webový portál v Azure Machine Learning pro možnosti s nízkým kódem a bez kódu pro školení modelů, nasazení a správu prostředků.Azure Machine Learning studio is a web portal in Azure Machine Learning for low-code and no-code options for model training, deployment, and asset management. Sada Studio se integruje se sadou Azure Machine Learning SDK, aby se zajistilo bezproblémové prostředí.The studio integrates with the Azure Machine Learning SDK for a seamless experience. Další informace najdete v tématu co je Azure Machine Learning Studio.For more information, see What is Azure Machine Learning studio.

MLOps: nasazení správy životního cyklu &MLOps: Deploy & lifecycle management

Pokud máte správný model, můžete ho snadno použít ve webové službě, v zařízení IoT nebo v Power BI.When you have the right model, you can easily use it in a web service, on an IoT device, or from Power BI. Další informace najdete v článku věnovaném nasazení a umístění.For more information, see the article on how to deploy and where.

Pak můžete nasadit nasazené modely pomocí Azure Machine Learning SDK pro Python, Azure Machine Learning Studionebo rozhraní příkazového řádku Machine Learning.Then you can manage your deployed models by using the Azure Machine Learning SDK for Python, Azure Machine Learning studio, or the machine learning CLI.

Tyto modely lze spotřebovat a vracet předpovědi v reálném čase nebo asynchronně u velkých objemů dat.These models can be consumed and return predictions in real time or asynchronously on large quantities of data.

A díky pokročilým kanálům strojového učenímůžete v rámci přípravy dat, školení a vyhodnocení modelu spolupracovat na všech krocích prostřednictvím nasazení.And with advanced machine learning pipelines, you can collaborate on each step from data preparation, model training and evaluation, through deployment. Kanály umožňují:Pipelines allow you to:

  • Automatizace kompletního procesu strojového učení v clouduAutomate the end-to-end machine learning process in the cloud
  • Znovu použít komponenty a v případě potřeby znovu spustit krokyReuse components and only rerun steps when needed
  • Použití různých výpočetních prostředků v každém krokuUse different compute resources in each step
  • Spustit úlohy dávkového vyhodnocováníRun batch scoring tasks

Pokud chcete používat skripty pro automatizaci pracovního postupu machine learningu, rozhraní příkazového řádku Machine Learning poskytuje nástroje příkazového řádku, které provádějí běžné úlohy, jako je například odeslání školicího běhu nebo nasazení modelu.If you want to use scripts to automate your machine learning workflow, the machine learning CLI provides command-line tools that perform common tasks, such as submitting a training run or deploying a model.

Pokud chcete začít používat Azure Machine Learning, přečtěte si Další kroky.To get started using Azure Machine Learning, see Next steps.

Integrace s dalšími službamiIntegration with other services

Azure Machine Learning funguje s ostatními službami na platformě Azure a integruje se s open source nástroji, jako je třeba Git a MLFlow.Azure Machine Learning works with other services on the Azure platform, and also integrates with open source tools such as Git and MLFlow.

Zabezpečená komunikaceSecure communications

Váš Azure Storage účet, výpočetní cíle a další prostředky se dají v rámci virtuální sítě bezpečně použít k učení modelů a provádění odvození.Your Azure Storage account, compute targets, and other resources can be used securely inside a virtual network to train models and perform inference. Další informace najdete v tématu Přehled izolace a ochrany osobních údajů ve virtuální síti.For more information, see Virtual network isolation and privacy overview.

Další krokyNext steps