Machine Learning スタジオ (クラシック) Web サービス: デプロイと使用

[アーティクル]
04/19/2017

適用対象: 適用対象。 Machine Learning Studio (classic) 適用対象外。 Azure Machine Learning

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 Studio (クラシック) リソースは作成できません。 2024 年 8 月 31 日まで、既存の Machine Learning Studio (クラシック) リソー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。

Machine Learning スタジオ (クラシック) を使用して、機械学習ワークフローおよびモデルを Web サービスとしてデプロイできます。次に、リアルタイムまたはバッチモードで予測を行うために、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すのに、これらの Web サービスを使用できます。 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

Machine Learning スタジオ (クラシック) を使う

スタジオ (クラシック) ポータルおよび Machine Learning Web サービスポータルは、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のに役立ちます。

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。

Azure Resource Manager に基づいた新しい Web サービスのデプロイの概要については、「新しい Web サービスのデプロイ」をご覧ください。
Web サービスのデプロイ方法のチュートリアルについては、Machine Learning Web サービスのデプロイに関するページを参照してください。
Web サービスを作成してデプロイする方法の詳細なチュートリアルについては、チュートリアル 1: 信用リスクの予測から開始してください。
Web サービスデプロイの具体的な例については、次をご覧ください。
- チュートリアル 3: 信用リスクモデルのデプロイ
- 複数のリージョンに Web サービスをデプロイする方法

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 Machine Learning スタジオ (クラシック) 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) の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 Machine Learning スタジオ (クラシック) 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 Connect-AzAccount 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。

ストレージアカウントの名前とキー

ストレージアカウントの名前とキーは、Azure Portal から取得できます。
コミットメントプラン ID

プラン ID を取得するには、Machine Learning Web サービスポータルにサインインし、プラン名をクリックします。

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:

MSDN 上の Machine Learning スタジオ (クラシック) コマンドレットリファレンス

Web サービスを使用する

Machine Learning Web サービス UI (テスト) から

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

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。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。詳細については、Machine Learning Web サービスを使用する方法に関するページを参照してください。