はじめに

機械学習モデルのトレーニングは、データを読み込み、scikit-learn のようなパッケージを使用して 1 行の Python コードを実行するのと同じくらい簡単な場合もあります。しかし、ほとんどの場合、トレーニング プロセスではそれよりも多くの作業が必要です。特に、適用する最良のモデルを判断するために、処理されるデータセットを把握するのは労力を要します。

このモジュールでは、Modified National Institute of Standards and Technology データセット (MNIST データセット) を例として使用して、Azure Machine Learning service を詳しく見ていきます。 モデルの構築とトレーニングは、ローカルで行うことも、リモート コンテナーを使用して行うこともできます。 単純なロジスティック回帰モデルと一連の k-Nearest Neighbors (kNN) モデルをトレーニングして、最も精度が高いものを見つけます。 例は、画像に含まれている数字を判断する画像分類の問題でした。

学習の目的

このモジュールでは、次のことを行います。

  • 単純なロジスティック モデルを作成して、MNIST データセットからの画像内の数値を認識する
  • 一連の kNN モデルを作成して、最高の精度を持つモデルを見つける
  • Azure Machine Learning の実験を作成する
  • Azure Machine Learning service を使用してモデルをトレーニングする
  • モデルを送信し、実行を監視して、結果を取得する