Azure Machine Learning Studio とはWhat is Azure Machine Learning Studio?

Microsoft Azure Machine Learning Studio は、データを活用した予測分析ソリューションの構築、テスト、デプロイをドラッグ アンド ドロップで行うことができる、コラボレーションに対応したツールです。Microsoft Azure Machine Learning Studio is a collaborative, drag-and-drop tool you can use to build, test, and deploy predictive analytics solutions on your data. Machine Learning Studio でモデルを Web サービスとして公開すれば、カスタム アプリや BI ツール (Excel など) からそのモデルを簡単に利用することができます。Machine Learning Studio publishes models as web services that can easily be consumed by custom apps or BI tools such as Excel.

Machine Learning Studio があれば、最新のデータ サイエンスとクラウド リソースを活用して、独自に所有するデータを使った予測分析を実現することができます。Machine Learning Studio is where data science, predictive analytics, cloud resources, and your data meet.

Machine Learning Studio の対話型ワークスペースThe Machine Learning Studio interactive workspace

一般的な予測分析モデルの作成では、1 種類以上のソースからデータを入手し、さまざまなデータ操作と統計関数を使用してデータを変換および分析することにより、一連の結果を生成します。To develop a predictive analysis model, you typically use data from one or more sources, transform, and analyze that data through various data manipulation and statistical functions, and generate a set of results. このようなモデルの作成プロセスは対話型プロセスになります。Developing a model like this is an iterative process. 十分にトレーニングされた有効なモデルが作成されるまで、さまざまな特徴とパラメーターを繰り返し調整します。As you modify the various functions and their parameters, your results converge until you are satisfied that you have a trained, effective model.

Azure Machine Learning Studio では、予測分析モデルの作成、テスト、反復作業を支援する、視覚的操作に対応した対話型ワークスペースが提供されます。Azure Machine Learning Studio gives you an interactive, visual workspace to easily build, test, and iterate on a predictive analysis model. "データセット" と分析 "モジュール" を対話型のキャンバスにドラッグ アンド ドロップし、それらを相互に接続して "実験" を完成させ、Machine Learning Studio で実行できます。You drag-and-drop datasets and analysis modules onto an interactive canvas, connecting them together to form an experiment, which you run in Machine Learning Studio. モデルのさまざまな設計を試す際は、実験を編集して必要に応じて保存し、再度実行できます。To iterate on your model design, you edit the experiment, save a copy if desired, and run it again. 準備が整ったら、"トレーニング実験" を "予測実験" に変換します。さらに、"Web サービス" として発行し、第三者が利用できるようにそのモデルを公開します。When you're ready, you can convert your training experiment to a predictive experiment, and then publish it as a web service so that your model can be accessed by others.

データセットとモジュールを視覚的に接続すれば予測分析モデルが完成するため、プログラミングは必要ありません。There is no programming required, just visually connecting datasets and modules to construct your predictive analysis model.

Azure Machine Learning Studio の図:実験の作成、各種ソースのデータの読み取り、スコア付けされたデータの書き込み、モデルの書き込み

Machine Learning Studio 概要図のダウンロードDownload the Machine Learning Studio overview diagram

Microsoft Azure Machine Learning Studio 機能の概要 図をダウンロードして、Machine Learning Studio の機能の概要を確認します。Download the Microsoft Azure Machine Learning Studio Capabilities Overview diagram and get a high-level view of the capabilities of Machine Learning Studio. 図をタブロイド サイズ (11 x 17 インチ) で印刷し、手元に置いておくことができます。To keep it nearby, you can print the diagram in tabloid size (11 x 17 in.).

ここから図をダウンロード:Microsoft Azure Machine Learning Studio の機能の概要 Microsoft Azure Machine Learning Studio の機能の概要Download the diagram here: Microsoft Azure Machine Learning Studio Capabilities Overview Microsoft Azure Machine Learning Studio Capabilities Overview

Machine Learning Studio の概要Get started with Machine Learning Studio

Machine Learning Studio を初めて起動したときには、ホーム ページが表示されます。When you first enter Machine Learning Studio, you see the Home page. ここから、ドキュメント、ビデオ、ウェビナーを表示したり、その他の有益なリソースを見つけたりすることができます。From here you can view documentation, videos, and webinars and find other valuable resources.

左上のメニューClick the upper-left menu メニュー をクリックすると、いくつかのオプションが表示されます。and you'll see several options.

Azure Machine Learning StudioAzure Machine Learning Studio

ここには、 [ホーム] (最初のページ) と [Studio] の 2 つのオプションがあります。There are two options here, Home, the page where you started, and Studio.

[Studio] をクリックすると、Azure Machine Learning Studio に移動します。Click Studio and you'll be taken to the Azure Machine Learning Studio. 最初に、Microsoft アカウントを使用するか職場または学校アカウントを使用してサインインするように求められます。First you'll be asked to sign in using your Microsoft account, or your work or school account. サインインすると、次のタブが左側に表示されます。Once signed in, you'll see the following tabs on the left:

  • [PROJECTS (プロジェクト)] - 単一のプロジェクトを表す実験、データセット、ノートブック、およびその他のリソースがまとめられています。PROJECTS - Collections of experiments, datasets, notebooks, and other resources representing a single project
  • [EXPERIMENTS (実験)] - 作成済み、実行済み、ドラフトとして保存済みの実験です。EXPERIMENTS - Experiments that you have created and run or saved as drafts
  • [Web サービス] - 実験からデプロイした Web サービスです。WEB SERVICES - Web services that you have deployed from your experiments
  • [ノートブック] - 作成済みの Jupyter ノートブックです。NOTEBOOKS - Jupyter notebooks that you have created
  • [データセット] - Studio にアップロード済みのデータセット。DATASETS - Datasets that you have uploaded into Studio
  • [トレーニング済みのモデル] - 実験でトレーニングし、Studio で保存したモデルです。TRAINED MODELS - Models that you have trained in experiments and saved in Studio
  • 設定 - アカウントとリソースを構成するための各種設定がまとめられています。SETTINGS - A collection of settings that you can use to configure your account and resources.

[ギャラリー] をクリックすると、 Azure AI ギャラリー に移動します。Click Gallery and you'll be taken to the Azure AI Gallery. ギャラリーは、データ サイエンティストや開発者のコミュニティが、Cortana Intelligence Suite のコンポーネントを使用して作成したソリューションを共有する場です。The Gallery is a place where a community of data scientists and developers share solutions created using components of the Cortana Intelligence Suite.

ギャラリーの詳細については、Azure AI ギャラリーでのソリューションの共有と発見に関するページを参照してください。For more information about the Gallery, see Share and discover solutions in the Azure AI Gallery.

実験の構成要素Components of an experiment

実験にはデータセットが含まれます。データセットからデータが分析モジュールに提供され、分析モジュールを接続することで予測分析モデルが完成します。An experiment consists of datasets that provide data to analytical modules, which you connect together to construct a predictive analysis model. 有効な実験に求められる具体的な条件を以下に示します。Specifically, a valid experiment has these characteristics:

  • 実験には少なくとも 1 つのデータセットと 1 つのモジュールがある。The experiment has at least one dataset and one module
  • データセットはモジュールにのみ接続できる。Datasets may be connected only to modules
  • モジュールはデータセットにも別のモジュールにも接続できる。Modules may be connected to either datasets or other modules
  • モジュールのすべての入力ポートが、何らかの形でデータ フローに接続されている。All input ports for modules must have some connection to the data flow
  • モジュールの必須パラメーターがすべて設定されている。All required parameters for each module must be set

実験を最初から作成するか、既にあるサンプル実験をテンプレートとして使用してください。You can create an experiment from scratch, or you can use an existing sample experiment as a template. 詳細については、「サンプル実験をコピーして新しい機械学習実験を作成する」を参照してください。For more information, see Copy example experiments to create new machine learning experiments.

簡単な実験を作成する例については、「 Azure Machine Learning Studio での簡単な実験の作成」をご覧ください。For an example of creating a simple experiment, see Create a simple experiment in Azure Machine Learning Studio.

予測分析ソリューションのより詳しいチュートリアルについては、「Azure Machine Learning Studio を使用した予測ソリューションの開発」をご覧ください。For a more complete walkthrough of creating a predictive analytics solution, see Develop a predictive solution with Azure Machine Learning Studio.

データセットDatasets

データセットを Machine Learning Studio にアップロードすることで、これらのデータセットをモデル作成プロセスで使用できるようになります。A dataset is data that has been uploaded to Machine Learning Studio so that it can be used in the modeling process. Machine Learning Studio には数多くのサンプル データセットが既に含まれているため、これらを実験で試すことができます。また、必要に応じてさらにデータセットをアップロードできます。A number of sample datasets are included with Machine Learning Studio for you to experiment with, and you can upload more datasets as you need them. 提供されるデータセットには以下のようなものがあります。Here are some examples of included datasets:

  • さまざまな自動車の燃費データ - シリンダー数や馬力などによって分類された、自動車の燃費値 (MPG) です。MPG data for various automobiles - Miles per gallon (MPG) values for automobiles identified by number of cylinders, horsepower, etc.
  • 乳がんデータ - 乳がんの診断データです。Breast cancer data - Breast cancer diagnosis data.
  • 森林火災データ - ポルトガル北東地域を対象とする森林火災の規模データです。Forest fires data - Forest fire sizes in northeast Portugal.

利用可能なデータセットは、実験を作成するときにキャンバスの左側の一覧から選択できます。As you build an experiment, you can choose from the list of datasets available to the left of the canvas.

Machine Learning Studio に含まれている一連のサンプル データセットについては、 Azure Machine Learning Studio でのサンプル データセットの使用に関するページを参照してください。For a list of sample datasets included in Machine Learning Studio, see Use the sample data sets in Azure Machine Learning Studio.

モジュールModules

モジュールとは、データに対して実行できるアルゴリズムのことです。A module is an algorithm that you can perform on your data. Machine Learning Studio には、データの受信機能や、データのトレーニング、スコア付け、検証などに対応したさまざまなモジュールが用意されています。Machine Learning Studio has a number of modules ranging from data ingress functions to training, scoring, and validation processes. 提供されるモジュールには以下のようなものがあります。Here are some examples of included modules:

  • ARFF への変換 - .NET のシリアル化されたデータセットを属性関係ファイル形式 (ARFF) に変換します。Convert to ARFF - Converts a .NET serialized dataset to Attribute-Relation File Format (ARFF).
  • 基本統計値の計算 - 平均や標準偏差などの基本的な統計値を計算します。Compute Elementary Statistics - Calculates elementary statistics such as mean, standard deviation, etc.
  • 線形回帰 - オンライン傾斜降下に基づく線形回帰モデルを作成します。Linear Regression - Creates an online gradient descent-based linear regression model.
  • モデルのスコア付け - トレーニングされた分類または回帰モデルをスコア付けします。Score Model - Scores a trained classification or regression model.

利用可能なモジュールは、実験を作成するときにキャンバスの左側の一覧から選択できます。As you build an experiment you can choose from the list of modules available to the left of the canvas.

モジュールに一連のパラメーターが含まれている場合、これらを使用してモジュールの内部アルゴリズムを構成することができます。A module may have a set of parameters that you can use to configure the module's internal algorithms. モジュールのパラメーターは、キャンバスでモジュールを選択するとキャンバス右側の [プロパティ] ウィンドウに表示されます。When you select a module on the canvas, the module's parameters are displayed in the Properties pane to the right of the canvas. このウィンドウでパラメーターを変更することにより、モデルを微調整できます。You can modify the parameters in that pane to tune your model.

大規模な機械学習アルゴリズムのライブラリを利用する際のヒントについては、Microsoft Azure Machine Learning Studio のアルゴリズムの選択方法に関する記事を参照してください。For some help navigating through the large library of machine learning algorithms available, see How to choose algorithms for Microsoft Azure Machine Learning Studio.

予測分析 Web サービスのデプロイDeploying a predictive analytics web service

予測分析モデルの準備が整ったら、それを Machine Learning Studio から Web サービスとしてデプロイすることができます。Once your predictive analytics model is ready, you can deploy it as a web service right from Machine Learning Studio. このプロセスの詳細については、「 Azure Machine Learning Web サービスをデプロイする」を参照してください。For more details on this process, see Deploy an Azure Machine Learning web service.

Machine Learning Studio と Azure Machine Learning service の違いHow is Machine Learning Studio different from Azure Machine Learning service?

Azure Machine Learning service には、機械学習モデルのデータ準備、トレーニング、デプロイを迅速に行うための SDK ビジュアル インターフェイス (プレビュー) の両方が用意されています。Azure Machine Learning service provides both SDKs -and- a visual interface(preview), to quickly prep data, train and deploy machine learning models. このビジュアル インターフェイス (プレビュー) では、Studio へのドラッグ アンド ドロップに似た操作が可能です。This visual interface (preview) provides a similar drag-and-drop experience to Studio. ただし、Studio の専用コンピューティング プラットフォームとは異なり、ビジュアル インターフェイスではユーザー独自のコンピューティング リソースが使用され、Azure Machine Learning service に完全に統合されています。However, unlike the proprietary compute platform of Studio, the visual interface uses your own compute resources and is fully integrated into Azure Machine Learning service.

以下で簡単に比較します。Here is a quick comparison.

Machine Learning StudioMachine Learning Studio Azure Machine Learning service:Azure Machine Learning service:
ビジュアル インターフェイスVisual interface
一般提供 (GA)Generally available (GA) プレビュー段階In preview
インターフェイスのモジュールModules for interface 多数Many 人気のあるモジュールの初期セットInitial set of popular modules
コンピューティング ターゲットのトレーニングTraining compute targets 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Proprietary compute target, CPU support only Azure Machine Learning コンピューティング、GPU または CPU をサポート。Supports Azure Machine Learning compute, GPU or CPU.
(他のコンピューティングは、SDK でサポート)(Other computes supported in SDK)
デプロイのコンピューティング ターゲットDeployment compute targets 独自の Web サービス形式 (カスタマイズ不可)Proprietary web service format, not customizable Enterprise セキュリティ オプションおよび Azure Kubernetes Service。Enterprise security options & Azure Kubernetes Service.
(他のコンピューティングは SDK でサポート)(Other computes supported in SDK)
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Automated model training and hyperparameter tuning いいえNo ビジュアル インターフェイスではまだサポート対象外。Not yet in visual interface.
(SDK と Azure portal でサポート)。(Supported in the SDK and Azure portal.)

ビジュアル インターフェイス (プレビュー) をお試しください (チュートリアル: ビジュアル インターフェイスで自動車価格を予測するTry out the visual interface (preview) with Tutorial: Predict automobile price with the visual interface

注意

Studio で作成したモデルを Azure Machine Learning service でデプロイおよび管理することはできません。Models created in Studio can't be deployed or managed by Azure Machine Learning service. ただし、ビジュアル インターフェイスで作成およびデプロイしたモデルは、Azure Machine Learning service ワークスペースから管理できます。However, models created and deployed in the service visual interface can be managed through the Azure Machine Learning service workspace.

無料試用版Free trial

有料と無料のオプションで提供されている Azure Machine Learning Studio をお試しください。Try Azure Machine Learning Studio, available in paid or free options.

次の手順Next steps

ステップ バイ ステップ クイック スタートを使用し、サンプル上に構築することによって、予測分析と機械学習の基礎について学習できます。You can learn the basics of predictive analytics and machine learning using a step-by-step quickstart and by building on samples.