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

V tomto článku se dozvíte o Azure Machine Learning studiu, webovém portálu pro vývojáře dat v Azure Machine Learning.In this article, you learn about Azure Machine Learning studio, the web portal for data scientist developers in Azure Machine Learning. Studio kombinuje prostředí pro datové vědy bez kódu a prvního kódu.The studio combines no-code and code-first experiences for an inclusive data science platform.

V tomto článku se dozvíte, jak:In this article you learn:

Doporučujeme používat nejnovější prohlížeč, který je kompatibilní s vaším operačním systémem.We recommend that you use the most up-to-date browser that's compatible with your operating system. Podporovány jsou následující prohlížeče:The following browsers are supported:

  • Microsoft Edge (nová Microsoft Edge, nejnovější verzeMicrosoft Edge (The new Microsoft Edge, latest version. Ne Microsoft Edge starší verze)Not Microsoft Edge legacy)
  • Safari (nejnovější verze, jen Mac)Safari (latest version, Mac only)
  • Chrome (nejnovější verze)Chrome (latest version)
  • Firefox (nejnovější verze)Firefox (latest version)

Vytváření projektů strojového učeníAuthor machine learning projects

Studio nabízí více prostředí pro tvorbu v závislosti na typu projektu a úrovni uživatelského prostředí.The studio offers multiple authoring experiences depending on the type project and the level of user experience.

  • Poznámkové blokyNotebooks

    Pište a spouštějte vlastní kód na spravovaných Jupyter notebook serverech , které jsou přímo integrované v studiu.Write and run your own code in managed Jupyter Notebook servers that are directly integrated in the studio.

Snímek obrazovky: zápis a spuštění kódu v poznámkovém bloku

  • Návrhář služby Azure Machine LearningAzure Machine Learning designer

    Použijte návrháře ke školení a nasazení modelů strojového učení bez psaní kódu.Use the designer to train and deploy machine learning models without writing any code. Přetáhnutím datových sad a modulů vytvořte kanály ML.Drag and drop datasets and modules to create ML pipelines. Vyzkoušejte si kurz pro návrháře.Try out the designer tutorial.

    Příklad návrháře Azure Machine Learning

  • Uživatelské rozhraní automatizovaného strojového učeníAutomated machine learning UI

    Naučte se vytvářet automatizované experimenty ml pomocí snadno použitelného rozhraní.Learn how to create automated ML experiments with an easy-to-use interface.

    Navigační podokno Azure Machine Learning StudioAzure Machine Learning studio navigation pane

  • Popisky datData labeling

    Použijte Azure Machine Learning popisky dat , abyste efektivně koordinovali popisky dat v projektech.Use Azure Machine Learning data labeling to efficiently coordinate data labeling projects.

Správa prostředků a prostředkůManage assets and resources

Spravujte své prostředky strojového učení přímo v prohlížeči.Manage your machine learning assets directly in your browser. Prostředky jsou sdíleny ve stejném pracovním prostoru mezi sadou SDK a sadou Studio, aby bylo zajištěno bezproblémové prostředí.Assets are shared in the same workspace between the SDK and the studio for a seamless experience. Použijte Studio ke správě:Use the studio to manage:

  • ModelyModels
  • Datové sadyDatasets
  • Úložiště datDatastores
  • Výpočetní prostředkyCompute resources
  • NotebooksNotebooks
  • ExperimentyExperiments
  • Spustit protokolyRun logs
  • KanályPipelines
  • Koncové body kanáluPipeline endpoints

I v případě, že jste zkušený vývojář, může Studio zjednodušit správu prostředků pracovního prostoru.Even if you're an experienced developer, the studio can simplify how you manage workspace resources.

ML Studio (Classic) vs Azure Machine Learning StudioML Studio (classic) vs Azure Machine Learning studio

Vydaná v 2015. první, ml Studio (Classic) , byla prvním přetahováním tvůrce machine learningu.Released in 2015, ML Studio (classic) was our first drag-and-drop machine learning builder. Jedná se o samostatnou službu, která nabízí jenom vizuální prostředí.It is a standalone service that only offers a visual experience. Studio (Classic) spolupracuje s Azure Machine Learning.Studio (classic) does not interoperate with Azure Machine Learning.

Azure Machine Learning je samostatná a moderní služba, která poskytuje kompletní datovou platformu pro datové vědy.Azure Machine Learning is a separate and modernized service that delivers a complete data science platform. Podporuje i prostředí s nízkým kódem.It supports both code-first and low-code experiences.

Azure Machine Learning Studio je webový portál v Azure Machine Learning, který obsahuje možnosti s nízkým kódem a bez kódu pro vytváření projektů a správu prostředků.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.

Pro nejnovější škálu nástrojů pro datové vědy doporučujeme, aby si pro poslední rozsah nástrojů pro datové vědy zvolili možnost Azure Machine Learning místo ml Studio (Classic).We recommend that new users choose Azure Machine Learning, instead of ML Studio (classic), for the latest range of data science tools.

Porovnání funkcíFeature comparison

Následující tabulka shrnuje hlavní rozdíly mezi ML Studio (Classic) a Azure Machine Learning.The following table summarizes the key differences between ML Studio (classic) and Azure Machine Learning.

FunkceFeature ML Studio (klasický)ML Studio (classic) Azure Machine LearningAzure Machine Learning
Rozhraní přetaženíDrag and drop interface Klasické prostředíClassic experience Aktualizované prostředí – návrhář Azure Machine LearningUpdated experience - Azure Machine Learning designer
Sady SDK kóduCode SDKs NepodporovanéUnsupported Plně integrovaná s Azure Machine Learning Python a R SDKFully integrated with Azure Machine Learning Python and R SDKs
ExperimentExperiment Škálovatelné (limit pro školicí data z 10 GB)Scalable (10-GB training data limit) Škálování s cílem výpočetního prostředíScale with compute target
Školení výpočetních cílůTraining compute targets Proprietární výpočetní cíl, jenom podpora procesoruProprietary compute target, CPU support only Široké spektrum přizpůsobitelných výpočetních cílů.Wide range of customizable training compute targets. Zahrnuje podporu GPU a procesoru.Includes GPU and CPU support
Cíle výpočtů nasazeníDeployment compute targets Speciální formát webové služby, není přizpůsobitelnýProprietary web service format, not customizable Široké škály přizpůsobitelných výpočetních cílů nasazení.Wide range of customizable deployment compute targets. Zahrnuje podporu GPU a procesoru.Includes GPU and CPU support
Kanál MLML Pipeline NepodporovánoNot supported Vytváření flexibilních modulárních kanálů pro automatizaci pracovních postupůBuild flexible, modular pipelines to automate workflows
MLOpsMLOps Základní Správa modelů a nasazení; Nasazení pouze procesoruBasic model management and deployment; CPU only deployments Správa verzí entit (model, data, pracovní postupy), automatizace pracovních postupů, integrace s nástroji pro CICD, nasazení procesoru a GPU a dalšíEntity versioning (model, data, workflows), workflow automation, integration with CICD tooling, CPU and GPU deployments and more
Formát modeluModel format Speciální formát, jenom Studio (Classic)Proprietary format, Studio (classic) only Více podporovaných formátů v závislosti na typu úlohy školeníMultiple supported formats depending on training job type
Automatizované školení modelů a ladění parametrůAutomated model training and hyperparameter tuning NepodporovánoNot supported Podporujese.Supported. Možnosti Code-First a No-Code.Code-first and no-code options.
Detekce posunu datData drift detection NepodporovánoNot supported PodporovánoSupported
Projekty označování datData labeling projects NepodporovánoNot supported PodporovánoSupported

Řešení potížíTroubleshooting

  • Chybějící položky uživatelského rozhraní v studiu Řízení přístupu na základě role v Azure je možné použít k omezení akcí, které můžete provádět s Azure Machine Learning.Missing user interface items in studio Azure role-based access control can be used to restrict actions that you can perform with Azure Machine Learning. Tato omezení můžou zabránit tomu, aby se položky uživatelského rozhraní zobrazovaly v Azure Machine Learning Studiu.These restrictions can prevent user interface items from appearing in the Azure Machine Learning studio. Například pokud máte přiřazenou roli, která nemůže vytvořit výpočetní instanci, možnost vytvoření instance COMPUTE se v studiu nezobrazí.For example, if you are assigned a role that cannot create a compute instance, the option to create a compute instance will not appear in the studio. Další informace najdete v tématu Správa uživatelů a rolí.For more information, see Manage users and roles.

Další krokyNext steps

Navštivte Studionebo si prozkoumejte různé možnosti vytváření těchto kurzů:Visit the studio, or explore the different authoring options with these tutorials: