Azure Machine Learning スタジオとは
この記事では、Azure Machine Learning スタジオについて説明します。これは、Azure Machine Learning でのデータ サイエンティスト開発者向けの Web ポータルです。 このスタジオでは、包括的なデータ サイエンス プラットフォームのために、コードなしのエクスペリエンスとコードファースト エクスペリエンスを組み合わせています。
この記事では、次のことについて説明します。
- スタジオで機械学習プロジェクトを作成する方法。
- スタジオでアセットとリソースを管理する方法。
- Azure Machine Learning スタジオと ML Studio (classic) の違い。
オペレーティング システムと互換性のある最新ブラウザーを使うことをお勧めします。 次のブラウザーがサポートされています。
- Microsoft Edge (最新バージョン)
- Safari (最新バージョン、Mac のみ)
- Chrome (最新バージョン)
- Firefox (最新バージョン)
機械学習プロジェクトを作成する
スタジオでは、プロジェクトの種類とユーザー エクスペリエンスのレベルに応じて、複数の作成エクスペリエンスが提供されます。
Notebook
スタジオに直接統合されているマネージド Jupyter Notebook サーバーで独自のコードを記述して実行します。
Azure Machine Learning デザイナー
デザイナーを使用すると、コードを書かなくても、機械学習モデルのトレーニングとデプロイを行うことができます。 ML パイプラインを作成するには、データセットとコンポーネントをドラッグ アンド ドロップします。 デザイナーのチュートリアルをお試しください。
自動化された機械学習の UI
使いやすいインターフェイスで、自動化された ML 実験を作成する方法を学ぶことができます。
データのラベル付け
Azure Machine Learning のデータのラベル付けを使用すると、画像のラベル付けまたはテキストのラベル付けプロジェクトを効率的にコーディネートできます。
アセットとリソースを管理する
機械学習アセットをブラウザーで直接管理します。 アセットは、シームレスなエクスペリエンスを実現するために、同じワークスペースで SDK とスタジオの間で共有されます。 スタジオを使用して、以下を管理します。
- モデル
- データセット
- データストア
- コンピューティング リソース
- ノートブック
- 実験
- 実行ログ
- パイプライン
- パイプライン エンドポイント
経験豊富な開発者であっても、スタジオによってワークスペース リソースの管理方法が簡略化されます。
ML Studio (classic) と Azure Machine Learning スタジオ
重要
Machine Learning Studio (クラシック) のサポートは、2024 年 8 月 31 日に終了します。 その日までに、Azure Machine Learning に切り替えすることをお勧めします。
2021 年 12 月 1 日以降、新しい Machine Learning スタジオ (クラシック) リソース (ワークスペースおよびサービス プラン) は作成できません。 2024 年 8 月 31 日まで、既存の Machine Learning スタジオ (クラシック) の実験と Web サービスを引き続き使用できます。
- ML Studio (クラシック) から Azure Machine Learning への機械学習プロジェクトの移動に関する情報を参照してください。
- Azure Machine Learning についての詳細を参照してください
ML Studio (クラシック) のドキュメントは廃止予定であり、今後更新されない可能性があります。
2015 年にリリースされた ML Studio (クラシック) は、Azure で初めてのドラッグ アンド ドロップ機械学習ビルダーでした。 ML Studio (classic) は、ビジュアル エクスペリエンスだけを提供するスタンドアロンのサービスです。 Studio (classic) は、Azure Machine Learning との相互運用はできません。
Azure Machine Learning は、完全なデータ サイエンス プラットフォームを提供する、独立した最新のサービスです。 コード ファースト エクスペリエンスと少量コード エクスペリエンスの両方がサポートされています。
Azure Machine Learning スタジオは Azure Machine Learning "内の" Web ポータルであり、プロジェクト作成とアセット管理のための少量のコードおよびコードなしのオプションが用意されています。
新しいユーザーの場合は、ML Studio (クラシック) の代わりに Azure Machine Learning を選択してください。 完全な ML プラットフォームとして、Azure Machine Learning では以下が提供されます。
- 大規模なトレーニング用のスケーラブルなコンピューティング クラスター。
- エンタープライズ セキュリティとガバナンス。
- 一般的なオープンソース ツールとの相互運用が可能。
- エンド ツー エンドの MLOps。
機能の比較
次の表は、ML Studio (classic) と Azure Machine Learning との主な違いをまとめたものです。
| 特徴量 | ML Studio (クラシック) | Azure Machine Learning |
|---|---|---|
| ドラッグ アンド ドロップ インターフェイス | クラシック エクスペリエンス | 更新されたエクスペリエンス - Azure Machine Learning デザイナー |
| コード SDK | サポートされていません | Azure Machine Learning Python および R SDK との完全な統合 |
| 実験 | スケーラブル (10 GB トレーニング データの上限) | コンピューティング先に合わせてスケーリング |
| コンピューティング ターゲットのトレーニング | 独自のコンピューティング ターゲット、CPU のサポートのみ | カスタマイズできる広範なトレーニング コンピューティング先。 GPU と CPU のサポートが含まれます |
| デプロイのコンピューティング ターゲット | 独自の Web サービス形式 (カスタマイズ不可) | カスタマイズできる広範なデプロイ コンピューティング先。 GPU と CPU のサポートが含まれます |
| ML パイプライン | サポートされていません | ワークフローを自動化する柔軟性の高いモジュール式のパイプラインを作成します |
| MLOps | 基本的なモデル管理とデプロイ。CPU のみのデプロイ | エンティティのバージョン管理 (モデル、データ、ワークフロー)、ワークフロー オートメーション、CICD ツールとの統合、CPU および GPU のデプロイ、その他 |
| モデル形式 | 専用の形式、Studio (クラシック) のみ | トレーニング ジョブの種類に応じて複数の形式がサポートされます |
| 自動化されたモデル トレーニングとハイパーパラメーター調整 | サポートされていません | サポートされています。 コード ファースト オプションとコードなしオプション。 |
| データ ドリフト検出 | サポートされていません | サポートされています |
| プロジェクトのラベル付けデータ | サポートされていません | サポートされています |
| ロール ベースのアクセス制御 (RBAC) | 共同作成者と所有者ロールのみ | 柔軟なロール定義と RBAC 制御 |
| AI Gallery | サポート対象 (https://gallery.azure.ai/) | サポートされていない Python SDK ノートブックのサンプルを参照してください。 |
トラブルシューティング
- スタジオにユーザー インターフェイス項目が見つからない: Azure のロールベースのアクセス制御を使用すると、Azure Machine Learning で実行できるアクションを制限できます。 これらの制限によって、Azure Machine Learning スタジオにユーザー インターフェイス項目を表示しないようにすることができます。 たとえば、コンピューティング インスタンスを作成できないロールがユーザーに割り当てられている場合、コンピューティング インスタンスを作成するオプションは、スタジオには表示されません。 詳細については、「ユーザーとロールを管理する」を参照してください。
次のステップ
スタジオにアクセスするか、以下のチュートリアルを使用して別の作成オプションを調べます。
最初に、Azure Machine Learning の利用開始作に関するクイックスタートをお読みください。 その後、これらのリソースを使用して、お好きな方法で最初の実験を作成します。