O que é o Azure Machine Learning Studio (clássico)?

Neste artigo, você aprende sobre o azure machine learning studio, o portal web para desenvolvedores de cientistas de dados em Azure Machine Learning. O estúdio combina experiências sem código e código para uma plataforma inclusiva de ciência de dados.

Neste artigo aprende-se:

Recomendamos que utilize o browser mais atualizado compatível com o seu sistema operativo. Os seguintes navegadores são suportados:

  • Microsoft Edge (O novo Microsoft Edge, versão mais recente. Não o legado da Microsoft Edge)
  • Safari (versão mais recente, apenas Mac)
  • Chrome (versão mais recente)
  • Firefox (versão mais recente)

Projetos de aprendizagem automática de autor

O estúdio oferece múltiplas experiências de autoria dependendo do projeto tipo e do nível de experiência do utilizador.

Screenshot: escrever e executar código em um caderno

  • Estruturador do Azure Machine Learning

    Utilize o designer para treinar e implementar modelos de aprendizagem automática sem escrever nenhum código. Arraste e deixe cair conjuntos de dados e módulos para criar oleodutos ML. Experimente o tutorial do designer.

    Exemplo de designer de aprendizagem de máquinas Azure

  • UI de aprendizagem automática de máquinas

    Aprenda a criar experiências automatizadas de ML com uma interface fácil de usar.

    Painel de navegação do estúdio Azure Machine Learning

  • Rotulagem de dados

    Utilize a rotulagem de dados Azure Machine Learning para coordenar eficientemente os projetos de rotulagem de dados.

Gerir ativos e recursos

Gerencie os seus ativos de aprendizagem automática diretamente no seu browser. Os ativos são partilhados no mesmo espaço de trabalho entre o SDK e o estúdio para uma experiência perfeita. Utilize o estúdio para gerir:

  • Modelos
  • Conjuntos de dados
  • Arquivos de dados
  • Recursos de cálculo
  • Notebooks
  • Experimentações
  • Executar registos
  • Pipelines
  • Pontos finais do gasoduto

Mesmo que seja um desenvolvedor experiente, o estúdio pode simplificar a forma como gere os recursos do espaço de trabalho.

Estúdio ML (clássico) vs Azure Machine Learning studio

Lançado em 2015, o ML Studio (clássico) foi o nosso primeiro construtor de aprendizagem automática de drag-and-drop.

O ML Studio (clássico) é um serviço autónomo que oferece apenas uma experiência visual. Estúdio (clássico) não interopera com Azure Machine Learning.

Azure Machine Learning é um serviço separado e modernizado que oferece uma plataforma completa de ciência de dados. Suporta experiências de código-primeiro e de baixo código.

O Azure Machine Learning studio é um portal web em Azure Machine Learning que contém opções de baixo código e sem código para a autoria de projetos e gestão de ativos.

Recomendamos que os novos utilizadores escolham Azure Machine Learning, em vez de ML Studio (clássico), para a mais recente gama de ferramentas de ciência de dados. Se você é um utilizador existente do ML Studio (clássico), considere migrar para Azure Machine Learning.

Eis alguns dos benefícios de mudar para Azure Machine Learning:

  • Clusters computáveis escaláveis para treino em larga escala.
  • Segurança e governação da empresa.
  • Interoperável com ferramentas populares de código aberto.
  • MLOps de ponta a ponta.

Comparação de funcionalidades

A tabela seguinte resume as principais diferenças entre ml Studio (clássico) e Azure Machine Learning.

Funcionalidade Estúdio ML (clássico) Azure Machine Learning
Interface arrastar e largar Experiência clássica Experiência atualizada - Azure Machine Learning designer
SDKs de código Não suportado Totalmente integrado com Azure Machine Learning Python e R SDKs
Experimentação Escalável (limite de dados de formação de 10 GB) Escala com alvo de computação
Metas de computação de formação Alvo de computação proprietária, suporte de CPU apenas Ampla gama de objetivos de computação de formaçãopersonalizáveis. Inclui suporte de GPU e CPU
Alvos de computação de implantação Formato de serviço web proprietário, não personalizável Ampla gama de alvos de computaçãopersonalizável. Inclui suporte de GPU e CPU
Gasoduto ML Não suportado Construir gasodutos flexíveis e modulares para automatizar fluxos de trabalho
MLOps Gestão e implantação de modelos básicos; Apenas implantações do CPU Versões de entidades (modelo, dados, fluxos de trabalho), automatização de fluxos de trabalho, integração com ferramentas CICD, implementações de CPU e GPU e muito mais
Formato de modelo Formato proprietário, Estúdio (clássico) apenas Múltiplos formatos suportados dependendo do tipo de trabalho de formação
Treinamento de modelo automatizado e afinação de hiperparímetro Não suportado Suportado. Código primeiro e sem código.
Deteção de deriva de dados Não suportado Suportado
Projetos de rotulagem de dados Não suportado Suportado
Controlo de Acesso Baseado em Funções (RBAC) Apenas papel de contribuinte e proprietário Definição flexível de função e controlo do RBAC
Galeria AI Suportado ( https://gallery.azure.ai/ ) Não suportado

Aprenda com a amostra de cadernos Python SDK.

Resolução de problemas

  • Itens de interface de utilizador em falta no estúdio O controlo de acesso baseado em funções Azure pode ser usado para restringir as ações que pode realizar com a Azure Machine Learning. Estas restrições podem impedir que os itens de interface do utilizador apareçam no estúdio Azure Machine Learning. Por exemplo, se lhe for atribuída uma função que não pode criar uma instância de computação, a opção de criar uma instância de computação não aparecerá no estúdio. Para obter mais informações, consulte Gerir os utilizadores e as funções.

Passos seguintes

Visite o estúdio,ou explore as diferentes opções de autoria com estes tutoriais:

Comece com Quickstart: Comece com a Azure Machine Learning. Em seguida, use estes recursos para criar a sua primeira experiência com o seu método preferido: