¿Qué es Azure Machine Learning Studio?

En este artículo, obtendrá información sobre Azure Machine Learning Studio, el portal web para desarrolladores y científicos de datos de Azure Machine Learning. Studio combina las experiencias de los tipos sin código y código primero para una plataforma de ciencia de datos inclusiva.

En este artículo, aprenderá lo siguiente:

Se recomienda usar el explorador más actualizado compatible con el sistema operativo. Se admiten los siguientes exploradores:

  • Microsoft Edge (el nuevo Microsoft Edge, la versión más reciente. No la versión heredada de Microsoft Edge)
  • Safari (versión más reciente, solo Mac)
  • Chrome (versión más reciente)
  • Firefox (versión más reciente)

Creación de proyectos de aprendizaje automático

Studio ofrece varias experiencias de creación en función del tipo de proyecto y el nivel de experiencia del usuario.

  • Blocs de notas

    Escriba y ejecute su propio código en servidores de Jupyter Notebook administrados que estén integrados directamente en Studio.

Captura de pantalla: escritura y ejecución de código en un cuaderno

Administración de activos y recursos

Administre los recursos de aprendizaje automático directamente en el explorador. Los recursos se comparten en la misma área de trabajo entre el SDK y Studio para ofrecer una experiencia sin problemas. Use Studio para administrar:

  • Modelos
  • Conjuntos de datos
  • Almacenes de datos
  • Recursos de proceso
  • Cuaderno
  • Experimentos
  • Registros de ejecución
  • Procesos
  • Puntos de conexión de canalización

Studio puede simplificar el modo en que se administran los recursos del área de trabajo incluso para desarrolladores experimentados.

Machine Learning Studio (clásico) en comparación con Azure Machine Learning Studio

Machine Learning Studio (clásico) se publicó en 2015 y fue nuestro primer generador de aprendizaje automático que usó el modelo de arrastrar y colocar.

Machine Learning Studio (clásico) es un servicio independiente que solo ofrece una experiencia visual. Studio (clásico) no interopera con Azure Machine Learning.

Azure Machine Learning es un servicio independiente y modernizado que ofrece una plataforma de ciencia de datos completa. Admite las experiencias de los tipos código primero y código bajo.

Azure Machine Learning Studio es un portal web de Azure Machine Learning que contiene las opciones de los tipos código bajo y sin código para la creación de proyectos y la administración de recursos.

Es aconsejable que los nuevos usuarios elijan Azure Machine Learning, en lugar de Machine Learning Studio (clásico), para obtener la gama más reciente de herramientas de ciencia de datos. Si es usuario de Machine Learning Studio (clásico), considere la posibilidad de migrar a Azure Machine Learning.

Estas son algunas de las ventajas de cambiar a Azure Machine Learning:

  • Clústeres de proceso escalables para el aprendizaje a gran escala.
  • Seguridad y gobernanza para empresas.
  • Interoperabilidad con las herramientas de código abierto conocidas.
  • MLOps integral.

Comparación de características

En la tabla siguiente se resumen las principales diferencias entre Machine Learning Studio (clásico) y Azure Machine Learning.

Característica ML Studio (clásico) Azure Machine Learning
Interfaz que permite arrastrar y colocar Experiencia clásica Experiencia actualizada: diseñador de Azure Machine Learning
SDK de código No compatible Completamente integrado con los SDK de Azure Machine Learning Python y R
Experimento Escalable (límite de datos de entrenamiento, 10 GB) Escalar con destino de proceso
Entrenamiento de destinos de proceso Destino de proceso propietario, solo admite CPU Amplia gama de destinos de proceso de entrenamiento personalizables. Incluye compatibilidad con GPU y CPU
Destinos de proceso de implementación Formato del servicio web propietario, no personalizable Amplia gama de destinos de proceso de implementación personalizables. Incluye compatibilidad con GPU y CPU
Canalización de Machine Learning No compatible Creación de canalizaciones flexibles y modulares para automatizar flujos de trabajo
MLOps Implementación y administración básicas de modelos; implementaciones exclusivas de CPU Control de versiones de entidades (modelo, datos, flujos de trabajo), automatización de flujos de trabajo, integración con herramientas de CICD, implementaciones de CPU y GPU, y más
Formato del modelo Formato propietario, solo Studio (clásico) Se admiten varios formatos en función del tipo de trabajo de entrenamiento
Entrenamiento de modelos y optimización de hiperparámetros automatizados No compatible Admitido. Opciones de los tipos código primero y sin código.
Detección de desfase de datos No compatible Compatible
Proyecto de etiquetado de datos No compatible Compatible
Control de acceso basado en rol (RBAC) Solo rol de colaborador y propietario Definición de roles flexibles y control RBAC
AI Gallery Compatible (https://gallery.azure.ai/) No compatible

Obtenga información con los cuadernos de SDK de Python de ejemplo.

Solución de problemas

  • Faltan elementos de la interfaz de usuario en Studio El control de acceso basado en rol de Azure se puede usar para limitar las acciones que se pueden realizar con Azure Machine Learning. Estas restricciones pueden impedir que aparezcan elementos de la interfaz de usuario en Estudio de Azure Machine Learning. Por ejemplo, si se le asigna un rol que no puede crear una instancia de proceso, la opción para esta tarea no aparecerá en Studio. Para más información, consulte Administración de usuarios y roles.

Pasos siguientes

Visite Studio o explore las diferentes opciones de creación con estos tutoriales: