Implementación de un servicio web de Azure Machine Learning StudioDeploy an Azure Machine Learning Studio web service

Azure Machine Learning Studio permite compilar y probar una solución de análisis predictivo.Azure Machine Learning Studio enables you to build and test a predictive analytic solution. Luego, puede implementar la solución como un servicio web.Then you can deploy the solution as a web service.

Los servicios web de Machine Learning Studio proporcionan una interfaz entre una aplicación y un modelo de puntuación de flujo de trabajo de Machine Learning Studio.Machine Learning Studio web services provide an interface between an application and a Machine Learning Studio workflow scoring model. Una aplicación externa puede comunicarse con un modelo de puntuación de flujo de trabajo de Machine Learning Studio en tiempo real.An external application can communicate with a Machine Learning Studio workflow scoring model in real time. Una llamada a un servicio web de Machine Learning Studio devuelve resultados de predicción a una aplicación externa.A call to a Machine Learning Studio web service returns prediction results to an external application. Para realizar una llamada a un servicio web Machine Learning, es necesario pasar una clave de API que se creó al implementar el servicio web.To make a call to a web service, you pass an API key that was created when you deployed the web service. Un servicio web de Machine Learning Studio se basa en REST, una conocida opción de arquitectura para proyectos de programación web.A Machine Learning Studio web service is based on REST, a popular architecture choice for web programming projects.

Azure Machine Learning Studio tiene dos tipos de servicios web:Azure Machine Learning Studio has two types of web services:

  • Servicio de solicitud-respuesta (RRS): Un servicio de baja latencia y alta escalabilidad que puntúa un registro de datos.Request-Response Service (RRS): A low latency, highly scalable service that scores a single data record.
  • Servicio de ejecución por lotes (BES): Un servicio asincrónico que puntúa un lote de registros de datos.Batch Execution Service (BES): An asynchronous service that scores a batch of data records.

La entrada de BES es similar a la entrada de datos que se emplea en RRS.The input for BES is like data input that RRS uses. La diferencia principal radica en que BES lee un bloque de registros de varios orígenes, como Azure Blob Storage, Azure Table Storage, Azure SQL Database, HDInsight (consultas de Hive) y orígenes de HTTP.The main difference is that BES reads a block of records from a variety of sources, such as Azure Blob storage, Azure Table storage, Azure SQL Database, HDInsight (hive query), and HTTP sources.

Desde un punto de vista general, implementará el modelo en tres pasos:From a high-level point-of-view, you deploy your model in three steps:

  • Crear un experimento de entrenamiento : en Studio, puede entrenar y probar un modelo de análisis predictivo con datos de entrenamiento que suministre, mediante un gran conjunto de algoritmos de aprendizaje automático integrados.Create a training experiment - In Studio, you can train and test a predictive analytics model using training data that you supply, using a large set of built-in machine learning algorithms.
  • Convertirlo en un experimento predictivo : una vez que se ha entrenado el modelo con datos existentes y está listo para usarse con el objetivo de puntuar nuevos datos, debe prepararlo y simplificarlo para realizar predicciones.Convert it to a predictive experiment - Once your model has been trained with existing data and you're ready to use it to score new data, you prepare and streamline your experiment for predictions.
  • Implementarlo como un Servicio web nuevo o un servicio web clásico : al implementar el experimento predictivo como un servicio web de Azure, los usuarios pueden enviar datos al modelo y recibir las predicciones de este.Deploy it as a New web service or a Classic web service - When you deploy your predictive experiment as an Azure web service, users can send data to your model and receive your model's predictions.

Crear un experimento de entrenamientoCreate a training experiment

Para entrenar un modelo de análisis predictivo, utilice Azure Machine Learning Studio para crear un experimento de entrenamiento en el que incluya varios módulos para cargar los datos de entrenamiento, prepare los datos según sea necesario, aplique los algoritmos de aprendizaje automático y evalúe los resultados.To train a predictive analytics model, you use Azure Machine Learning Studio to create a training experiment where you include various modules to load training data, prepare the data as necessary, apply machine learning algorithms, and evaluate the results. Puede iterar en un experimento y probar algoritmos distintos de aprendizaje automático para comparar y evaluar los resultados.You can iterate on an experiment and try different machine learning algorithms to compare and evaluate the results.

El proceso de creación y administración de experimentos de entrenamiento se trata más detenidamente en otros artículos.The process of creating and managing training experiments is covered more thoroughly elsewhere. Para obtener más información, consulte estos artículos:For more information, see these articles:

Convertir un experimento de entrenamiento en experimento predictivoConvert the training experiment to a predictive experiment

Una vez que haya entrenado el modelo, estará listo para convertir el experimento de entrenamiento en un experimento predictivo para puntuar datos nuevos.Once you've trained your model, you're ready to convert your training experiment into a predictive experiment to score new data.

Al efectuar la conversión a un experimento predictivo, estará preparando el modelo entrenado para implementarlo como servicio web de puntuación.By converting to a predictive experiment, you're getting your trained model ready to be deployed as a scoring web service. Los usuarios del servicio web pueden enviar datos de entrada a su modelo y este les devolverá los resultados de predicción.Users of the web service can send input data to your model and your model will send back the prediction results. Cuando efectúe la conversión a un experimento predictivo, tenga en cuenta la forma en que prevé que los demás usen el modelo.As you convert to a predictive experiment, keep in mind how you expect your model to be used by others.

Para convertir su experimento de entrenamiento en un experimento predictivo, haga clic en Ejecutar en la parte inferior del lienzo de experimento, haga clic en Set Up Web Service (Configurar servicio web) y luego en Predictive Web Service (Servicio web predictivo).To convert your training experiment to a predictive experiment, click Run at the bottom of the experiment canvas, click Set Up Web Service, then select Predictive Web Service.

Convertir en experimento de puntuación

Para obtener más información sobre cómo realizar esta conversión, consulte el artículo sobre la preparación del modelo para su implementación en Azure Machine Learning Studio.For more information on how to perform this conversion, see How to prepare your model for deployment in Azure Machine Learning Studio.

A continuación, se describe el proceso de implementación de un experimento predictivo como servicio web nuevo.The following steps describe deploying a predictive experiment as a New web service. También puede implementarlo como servicio web clásico.You can also deploy the experiment as Classic web service.

Implementación como un nuevo servicio webDeploy it as a New web service

Una vez preparado el experimento predictivo, puede implementarlo como un nuevo servicio web de Azure (basado en Resource Manager).Now that the predictive experiment has been prepared, you can deploy it as a new (Resource Manager-based) Azure web service. Mediante el servicio web, los usuarios pueden enviar datos a su modelo y el modelo devolverá las predicciones.Using the web service, users can send data to your model and the model will return its predictions.

Para implementar un experimento predictivo, haga clic en la opción Ejecutar de la parte inferior del lienzo del experimento.To deploy your predictive experiment, click Run at the bottom of the experiment canvas. Cuando el experimento haya terminado de ejecutarse, haga clic en Deploy Web Service (Implementar servicio web) y seleccione Deploy Web Service New (Implementar servicio web [nuevo]).Once the experiment has finished running, click Deploy Web Service and select Deploy Web Service New. Se abre la página de implementación del portal de servicios web de Machine Learning Studio.The deployment page of the Machine Learning Studio Web Service portal opens.

Nota

Para implementar un nuevo servicio web, debe tener permisos suficientes en la suscripción en la que lo implementa.To deploy a New web service you must have sufficient permissions in the subscription to which you deploying the web service. Para obtener más información, consulte Administración de un servicio web mediante el portal Servicios web Azure Machine Learning.For more information see, Manage a Web service using the Azure Machine Learning Web Services portal.

Página del experimento de implementación de experimentos del portal de servicios web de Machine Learning StudioMachine Learning Studio Web Service portal Deploy Experiment Page

En la página de implementación de experimentos, escriba un nombre para el servicio web.On the Deploy Experiment page, enter a name for the web service. Seleccione un plan de tarifa.Select a pricing plan. Si ya tiene uno, puede seleccionarlo; si no, debe crear uno nuevo para el servicio.If you have an existing pricing plan you can select it, otherwise you must create a new price plan for the service.

  1. En el menú desplegable Price Plan (Plan de precios), seleccione un plan existente o elija la opción Select new plan (Seleccionar nuevo plan).In the Price Plan drop down, select an existing plan or select the Select new plan option.
  2. En Nombre del plan, escriba un nombre que identifique el plan en la factura.In Plan Name, type a name that will identify the plan on your bill.
  3. Seleccione uno de los niveles de planes mensuales.Select one of the Monthly Plan Tiers. Los niveles de los planes predeterminados son los de la región predeterminada, y el servicio web se implementa en dicha región.The plan tiers default to the plans for your default region and your web service is deployed to that region.

Haga clic en las páginas Implementar e Inicio rápido del servicio web que se abre.Click Deploy and the Quickstart page for your web service opens.

A través de la página Inicio rápido del servicio web podrá acceder a las tareas más comunes que se realizarán después de crear un servicio web nuevo, así como instrucciones sobre cómo hacerlo.The web service Quickstart page gives you access and guidance on the most common tasks you will perform after creating a web service. A partir de ahí, puede acceder fácilmente a las páginas Prueba y Consume (Consumo).From here, you can easily access both the Test page and Consume page.

Prueba del servicios web nuevoTest your New web service

Para probar el nuevo servicio web, haga clic en la opción Test web service (Probar servicio web) de las tareas comunes.To test your new web service, click Test web service under common tasks. En la página Prueba puede probar el servicio web como servicio de solicitud-respuesta (RRS) o de ejecución por lotes (BES).On the Test page, you can test your web service as a Request-Response Service (RRS) or a Batch Execution service (BES).

En la página de pruebas RRS se muestran las entradas, las salidas y los parámetros globales definidos para el experimento.The RRS test page displays the inputs, outputs, and any global parameters that you have defined for the experiment. Para probar el servicio web, puede escribir manualmente los valores adecuados de las entradas o bien introducir un archivo con formato de valores separados por comas (CSV) que contenga los valores de prueba.To test the web service, you can manually enter appropriate values for the inputs or supply a comma separated value (CSV) formatted file containing the test values.

Para realizar pruebas RRS, en el modo de vista de lista, escriba los valores adecuados de las entradas y haga clic en Test Request-Response(Probar solicitud-respuesta).To test using RRS, from the list view mode, enter appropriate values for the inputs and click Test Request-Response. Los resultados de predicción se mostrarán en la columna de salida de la izquierda.Your prediction results display in the output column to the left.

Escritura de los valores adecuados para probar el servicio web

Para realizar pruebas BES, haga clic en Batch.To test your BES, click Batch. En la página de pruebas por lotes, haga clic en la opción Examinar de la entrada y seleccione un archivo CSV que contenga los valores de ejemplo adecuados.On the Batch test page, click Browse under your input and select a CSV file containing appropriate sample values. Si no dispone de un archivo CSV y ha creado el experimento predictivo con Machine Learning Studio, puede descargar el conjunto de datos del experimento predictivo y utilizarlo.If you don't have a CSV file, and you created your predictive experiment using Machine Learning Studio, you can download the data set for your predictive experiment and use it.

Para ello, abra Machine Learning Studio.To download the data set, open Machine Learning Studio. Abra el experimento predictivo y haga clic con el botón derecho en la entrada del experimento.Open your predictive experiment and right click the input for your experiment. En el menú contextual, seleccione conjunto de datos y, después, haga clic en Descargar.From the context menu, select dataset and then select Download.

Descarga del conjunto de datos en el lienzo de Studio

Haga clic en Probar.Click Test. El estado del trabajo de ejecución por lotes se muestra a la derecha de Test Batch Jobs (Probar trabajos por lotes).The status of your Batch Execution job displays to the right under Test Batch Jobs.

Prueba del trabajo de ejecución por lotes con el portal de servicios web

En la página CONFIGURACIÓN, puede cambiar la descripción y el título, actualizar la clave de la cuenta de almacenamiento y habilitar los datos de ejemplo para el servicio web.On the CONFIGURATION page, you can change the description, title, update the storage account key, and enable sample data for your web service.

Configuración del servicio web

Acceso al servicio web nuevoAccess your New web service

Cuando implementa el servicio web desde Machine Learning Studio, puede enviar datos al servicio y recibir respuestas mediante programación.Once you deploy your web service from Machine Learning Studio, you can send data to the service and receive responses programmatically.

La página Consume (Consumo) proporciona toda la información que necesita para acceder al servicio web.The Consume page provides all the information you need to access your web service. Por ejemplo, la clave de API se ofrece para permitir el acceso autorizado al servicio.For example, the API key is provided to allow authorized access to the service.

Para más información sobre el acceso a un servicio web de Machine Learning Studio, consulte Cómo consumir un servicio web Azure Machine Learning Studio.For more information about accessing a Machine Learning Studio web service, see How to consume an Azure Machine Learning Studio Web service.

Administración del servicio web nuevoManage your New web service

Puede administrar los nuevos servicios web mediante el portal de servicios web de Machine Learning Studio.You can manage your New web services Machine Learning Studio Web Services portal. En la página principal del portal, haga clic en Servicios web.From the main portal page, click Web Services. En la página de servicios web, puede eliminar o copiar servicios.From the web services page, you can delete or copy a service. Para supervisar un servicio concreto, haga clic en el servicio y, después, haga clic en Panel.To monitor a specific service, click the service and then click Dashboard. Para supervisar los trabajos por lotes asociados con el servicio web, haga clic en Batch Request Log(Registro de solicitudes por lotes).To monitor batch jobs associated with the web service, click Batch Request Log.

Implementación del nuevo servicio web en varias regionesDeploy your New web service to multiple regions

Puede implementar fácilmente un nuevo servicio web en varias regiones sin necesidad de disponer de varias suscripciones o áreas de trabajo.You can easily deploy a New web service to multiple regions without needing multiple subscriptions or workspaces.

Los precios dependen de la región, así que debe definir un plan de facturación para cada región en la que implementará el servicio web.Pricing is region specific, so you need to define a billing plan for each region in which you will deploy the web service.

Creación de un plan en otra regiónCreate a plan in another region

  1. Inicie sesión en el portal de servicios web de Microsoft Azure Machine Learning.Sign in to Microsoft Azure Machine Learning Web Services.
  2. Haga clic en la opción de menú Planes .Click the Plans menu option.
  3. En la página de información general de Planes, haga clic en Nuevo.On the Plans over view page, click New.
  4. En el menú desplegable Suscripción , seleccione la suscripción en que residirá el nuevo plan.From the Subscription dropdown, select the subscription in which the new plan will reside.
  5. En el menú desplegable Región , seleccione una región para el nuevo plan.From the Region dropdown, select a region for the new plan. Las opciones de planes de la región seleccionada se mostrarán en la sección de la página Plan Options (Opciones de planes).The Plan Options for the selected region will display in the Plan Options section of the page.
  6. En el menú desplegable Grupo de recursos , seleccione un grupo de recursos para el plan.From the Resource Group dropdown, select a resource group for the plan. Para más información sobre los grupos de recursos, consulte Información general de Azure Resource Manager.From more information on resource groups, see Azure Resource Manager overview.
  7. En Nombre del plan , escriba el nombre del plan.In Plan Name type the name of the plan.
  8. En Plan Options(Opciones de planes), haga clic en el nivel de facturación del nuevo plan.Under Plan Options, click the billing level for the new plan.
  9. Haga clic en Create(Crear).Click Create.

Implementación del servicio web en otra regiónDeploy the web service to another region

  1. En la página de servicios web de Microsoft Azure Machine Learning, haga clic en la opción de menú Web Services (Servicios web).On the Microsoft Azure Machine Learning Web Services page, click the Web Services menu option.
  2. Seleccione el servicio web que se va a implementar en una nueva región.Select the Web Service you are deploying to a new region.
  3. Haga clic en Copiar.Click Copy.
  4. En Nombre de servicio web, escriba un nombre nuevo del servicio web.In Web Service Name, type a new name for the web service.
  5. En Descripción del servicio web, escriba una descripción del servicio web.In Web service description, type a description for the web service.
  6. En el menú desplegable Suscripción , seleccione la suscripción en que residirá el servicio web nuevo.From the Subscription dropdown, select the subscription in which the new web service will reside.
  7. En el menú desplegable Grupo de recursos , seleccione un grupo de recursos para el servicio web.From the Resource Group dropdown, select a resource group for the web service. Para más información sobre los grupos de recursos, consulte Información general de Azure Resource Manager.From more information on resource groups, see Azure Resource Manager overview.
  8. En el menú desplegable Región , seleccione la región en la que se va a implementar el servicio web.From the Region dropdown, select the region in which to deploy the web service.
  9. En el menú desplegable Cuenta de almacenamiento , seleccione la cuenta de almacenamiento en la que se va a almacenar el servicio web.From the Storage account dropdown, select a storage account in which to store the web service.
  10. En el menú desplegable Price Plan (Plan de precios), seleccione un plan en la región que seleccionó en el paso 8.From the Price Plan dropdown, select a plan in the region you selected in step 8.
  11. Haga clic en Copiar.Click Copy.

Implementación como servicio web clásicoDeploy it as a Classic web service

Ahora que ha preparado el experimento predictivo suficientemente, puede implementarlo como servicio web de Azure clásico.Now that the predictive experiment has been sufficiently prepared, you can deploy it as a Classic Azure web service. Mediante el servicio web, los usuarios pueden enviar datos a su modelo y el modelo devolverá las predicciones.Using the web service, users can send data to your model and the model will return its predictions.

Para implementar el experimento predictivo, haga clic en Ejecutar en la parte inferior del lienzo del experimento y luego haga clic en Deploy Web Service (Implementar servicio web).To deploy your predictive experiment, click Run at the bottom of the experiment canvas and then click Deploy Web Service. El servicio web está configurado y se colocará en el panel del servicio web.The web service is set up and you are placed in the web service dashboard.

Implementación de servicios web desde Studio

Prueba del servicio web clásicoTest your Classic web service

Puede probar el servicio web en el portal de servicios web de Machine Learning Studio o en Machine Learning Studio.You can test the web service in either the Machine Learning Studio Web Services portal or Machine Learning Studio.

Para probar el servicio web de respuesta de solicitudes, haga clic en el botón Probar del panel del servicio web.To test the Request Response web service, click the Test button in the web service dashboard. Aparecerá un cuadro de diálogo que le pide los datos de entrada del servicio.A dialog pops up to ask you for the input data for the service. Estas son las columnas esperadas del experimento puntuación.These are the columns expected by the scoring experiment. Escriba un conjunto de datos y haga clic en Aceptar.Enter a set of data and then click OK. Los resultados generados por el servicio web se muestran en la parte inferior del panel.The results generated by the web service are displayed at the bottom of the dashboard.

Puede hacer clic en el vínculo de versión preliminar Test (Probar) para probar el servicio en el portal de servicios web de Azure Machine Learning Studio como se mostró anteriormente en la sección de nuevo servicio web.You can click the Test preview link to test your service in the Azure Machine Learning Studio Web Services portal as shown previously in the New web service section.

Para probar el servicio de ejecución por lotes, haga clic en el vínculo de vista previa Probar.To test the Batch Execution Service, click Test preview link . En la página de pruebas por lotes, haga clic en la opción Examinar de la entrada y seleccione un archivo CSV que contenga los valores de ejemplo adecuados.On the Batch test page, click Browse under your input and select a CSV file containing appropriate sample values. Si no dispone de un archivo CSV y ha creado el experimento predictivo con Machine Learning Studio, puede descargar el conjunto de datos del experimento predictivo y utilizarlo.If you don't have a CSV file, and you created your predictive experiment using Machine Learning Studio, you can download the data set for your predictive experiment and use it.

Prueba del servicio web

En la página CONFIGURACIÓN puede cambiar el nombre para mostrar del servicio y darle una descripción.On the CONFIGURATION page, you can change the display name of the service and give it a description. El nombre y la descripción se muestran en Azure Portal, donde se administran los servicios web.The name and description is displayed in the Azure portal where you manage your web services.

Puede dar una descripción para los datos de entrada, los de salida y los parámetros del servicio web escribiendo una cadena para cada columna en INPUT SCHEMA (ESQUEMA DE ENTRADA), OUTPUT SCHEMA (ESQUEMA DE SALIDA) y WEB SERVICE PARAMETER (PARÁMETRO DE SERVICIO WEB).You can provide a description for your input data, output data, and web service parameters by entering a string for each column under INPUT SCHEMA, OUTPUT SCHEMA, and Web SERVICE PARAMETER. Estas descripciones se utilizan en la documentación de código de ejemplo proporcionada para el servicio web.These descriptions are used in the sample code documentation provided for the web service.

Puede habilitar el registro para diagnosticar cualquier error que vea al acceder al servicio web.You can enable logging to diagnose any failures that you're seeing when your web service is accessed. Para más información, consulte Habilitación del registro para los servicios web de Machine Learning Studio.For more information, see Enable logging for Machine Learning Studio web services.

Habilitación del registro en el portal de servicios web

También puede configurar los puntos de conexión del servicio web en el portal Servicios web Azure Machine Learning de una forma parecida al procedimiento mostrado anteriormente en la sección Servicio web nuevo.You can also configure the endpoints for the web service in the Azure Machine Learning Web Services portal similar to the procedure shown previously in the New web service section. Las opciones son diferentes: puede agregar o cambiar la descripción del servicio, habilitar el registro y habilitar datos de ejemplo para las pruebas.The options are different, you can add or change the service description, enable logging, and enable sample data for testing.

Acceso al servicio web clásicoAccess your Classic web service

Cuando implementa el servicio web desde Machine Learning Studio, puede enviar datos al servicio y recibir respuestas mediante programación.Once you deploy your web service from Machine Learning Studio, you can send data to the service and receive responses programmatically.

El panel proporciona toda la información que necesita para tener acceso a su servicio web.The dashboard provides all the information you need to access your web service. Por ejemplo, la clave de API se proporciona para permitir el acceso autorizado al servicio, y las páginas de ayuda de API sirven para ayudarle a empezar a escribir el código.For example, the API key is provided to allow authorized access to the service, and API help pages are provided to help you get started writing your code.

Para más información sobre el acceso a un servicio web de Machine Learning Studio, consulte Cómo consumir un servicio web Azure Machine Learning Studio.For more information about accessing a Machine Learning Studio web service, see How to consume an Azure Machine Learning Studio Web service.

Administración del servicio web clásicoManage your Classic web service

Hay varias acciones que puede realizar para supervisar un servicio web.There are various of actions you can perform to monitor a web service. Puede actualizarlo y eliminarlo.You can update it, and delete it. También puede agregar puntos de conexión adicionales para un servicio web clásico aparte del punto de conexión predeterminado que se crea cuando se implementa.You can also add additional endpoints to a Classic web service in addition to the default endpoint that is created when you deploy it.

Para más información, consulte Administración de un área de trabajo de Azure Machine Learning Studio y Administración de un servicio web mediante el portal de servicios web de Azure Machine Learning Studio.For more information, see Manage an Azure Machine Learning Studio workspace and Manage a web service using the Azure Machine Learning Studio Web Services portal.

Actualizar el servicio webUpdate the web service

Puede realizar cambios en el servicio web, como actualizar el modelo con datos de entrenamiento adicionales y volver a implementarlo, sobrescribiendo el servicio web original.You can make changes to your web service, such as updating the model with additional training data, and deploy it again, overwriting the original web service.

Para actualizar el servicio web, abra el experimento predictivo original que usó para implementar el servicio web y haga una copia modificable haciendo clic en GUARDAR COMO.To update the web service, open the original predictive experiment you used to deploy the web service and make an editable copy by clicking SAVE AS. Realice los cambios y haga clic en Publicar servicio web.Make your changes and then click Deploy Web Service.

Como ya ha implementado este experimento antes, se le preguntará si quiere sobrescribir (servicio web clásico) o actualizar (servicio web nuevo) el servicio existente.Because you've deployed this experiment before, you are asked if you want to overwrite (Classic Web Service) or update (New web service) the existing service. Al hacer clic en o Actualizar, el servicio web existente se detendrá y, en su lugar, se implementará el nuevo experimento predictivo.Clicking YES or Update stops the existing web service and deploys the new predictive experiment is deployed in its place.

Nota

Si ha realizado cambios de configuración en el servicio web original, como, por ejemplo, escribir un nuevo nombre para mostrar o una descripción, necesitará escribir esos valores de nuevo.If you made configuration changes in the original web service, for example, entering a new display name or description, you will need to enter those values again.

Una opción para actualizar el servicio web es volver a entrenar el modelo mediante programación.One option for updating your web service is to retrain the model programmatically. Para más información, consulte Nuevo entrenamiento de modelos de Machine Learning Studio mediante programación.For more information, see Retrain Machine Learning Studio models programmatically.

Pasos siguientesNext steps