Azure Machine Learning Web サービス: デプロイと使用

Azure Machine Learning により、Machine Learning のワークフローとモデルを Web サービスとしてデプロイできます。 この Web サービスを使用すると、インターネット経由で機械学習モデルをアプリケーションから呼び出して、リアルタイムまたはバッチ モードで予測することができます。 RESTfull であるため、Web サービスは、さまざまなプログラミング言語やプラットフォーム (.NET、Java など)、およびアプリケーション (Excel など) から呼び出すことができます。

次のセクションでは、作業を開始するために役立つチュートリアル、コード、ドキュメントへのリンクを示します。

Web サービスのデプロイ

Azure Machine Learning Studio を使って

Machine Learning Studio と Microsoft Azure Machine Learning Web サービス ポータルを使用すると、コードを記述せずに、Web サービスをデプロイして管理することができます。

新しい Web サービスのデプロイ方法に関する一般的な情報を入手できるリンクを次に示します。

Web サービス リソースプロバイダー API を使う (Azure Resource Manager API)

Web サービス用の Azure Machine Learning リソースプロバイダーでは、REST API を使用して Web サービスをデプロイし、管理することができます。 詳細については、Machine Learning Web サービス (REST) リファレンスを参照してください。

PowerShell コマンドレットを使う

Web サービス用の Azure Machine Learning リソースプロバイダーでは、PowerShell コマンドレットを使用して Web サービスをデプロイし、管理することができます。

コマンドレットを使用するには、最初に Add-AzureRmAccount コマンドレットを使用して、PowerShell 環境から Azure アカウントにサインインする必要があります。 Resource Manager に基づいた PowerShell コマンドの呼び出しについて詳しくない場合は、「 Azure Resource Manager での Azure PowerShell の使用」をご覧ください。

予測実験をエクスポートするには、こちらの サンプル コードを使用します。 コードから実行可能ファイルを作成したら、次のように入力します。

C:\<folder>\GetWSD <experiment-url> <workspace-auth-token>

アプリケーションを実行すると、Web サービスの JSON テンプレートが作成されます。 テンプレートを使用して Web サービスをデプロイするには、次の情報を追加する必要があります。

この情報を、MachineLearningWorkspace ノードと同じレベルで、Properties ノードの子として JSON テンプレートに追加します。

次に例を示します。

"StorageAccount": {
        "name": "YourStorageAccountName",
        "key": "YourStorageAccountKey"
},
"CommitmentPlan": {
    "id": "subscriptions/YouSubscriptionID/resourceGroups/YourResourceGroupID/providers/Microsoft.MachineLearning/commitmentPlans/YourPlanName"
}

詳細については、次の記事とサンプル コードをご覧ください:

Web サービスを使用する

Azure Machine Learning Web サービス UI (テスト) から

Azure Machine Learning Web サービス ポータルから Web サービスをテストできます。 これには、要求応答サービス (RRS) およびバッチ実行サービス (BES) インターフェイスのテストが含まれます。

Excel から

Excel テンプレートをダウンロードできます。このテンプレートにより Web サービスを使用できます。

REST ベースのクライアントから

Azure Machine Learning Web サービスは、RESTful API です。 この API は、.NET、Python、R、Java など、さまざまなプラットフォームから使用できます。Microsoft Azure Machine Learning Web サービス ポータルの Web サービスの使用に関するページには、開始するときに役立つサンプル コードが用意されています。 詳しくは、「Azure Machine Learning Web サービスを使用する方法」をご覧ください。