O que é o Azure Machine Learning Studio?What is Azure Machine Learning Studio?

O Microsoft Azure Machine Learning Studio é uma ferramenta de colaboração, de arrastar e largar que pode utilizar para criar, testar e implementar soluções de análise preditiva nos seus dados.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 publica modelos como serviços web que podem facilmente ser consumidos por aplicações personalizadas ou ferramentas de BI como o Excel.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 é onde se reúnem a ciência de dados, a análise preditiva, os recursos de nuvem e os dados.Machine Learning Studio is where data science, predictive analytics, cloud resources, and your data meet.

A área de trabalho interativa do Machine Learning StudioThe Machine Learning Studio interactive workspace

Para desenvolver um modelo de análise preditiva, você normalmente usa dados de uma ou mais fontes, transforma-os e analisa esses dados por meio de várias funções de manipulação de dados e estatísticas e gera um conjunto de resultados.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. Desenvolver um modelo como este é um processo iterativo.Developing a model like this is an iterative process. À medida que modifica nas várias funções e os respetivos parâmetros, os seus resultados convergem até achar que tem um modelo preparado e eficaz.As you modify the various functions and their parameters, your results converge until you are satisfied that you have a trained, effective model.

O Azure Machine Learning Studio fornece uma área de trabalho interativa e visual para facilmente criar, testar e iterar um modelo de análise preditiva.Azure Machine Learning Studio gives you an interactive, visual workspace to easily build, test, and iterate on a predictive analysis model. Pode arrastar e largar conjuntos de dados e módulos de análise em telas interativas, ligá-las entre si para formar uma experimentação, que executa no Machine Learning Studio.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. Para iterar o design do modelo, edite a experimentação, guarde uma cópia se assim pretender e execute-a novamente.To iterate on your model design, you edit the experiment, save a copy if desired, and run it again. Quando estiver pronto, pode converter a experimentação de preparação numa experimentação preditiva e, em seguida, publicá-la como um serviço Web para que o modelo possa ser acedido por outras pessoas.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.

Não existe nenhuma programação necessária, basta ligar visualmente os conjuntos de dados e módulos para construir o seu modelo de análise preditiva.There is no programming required, just visually connecting datasets and modules to construct your predictive analysis model.

Diagrama do Azure Machine Learning Studio: Crie experimentos, leia dados para várias fontes, escreva dados pontuados, escreva modelos.

Transferir o diagrama de descrição geral do Machine Learning StudioDownload the Machine Learning Studio overview diagram

Transfira o diagrama da Descrição geral das funcionalidades do Microsoft Azure Machine Learning Studio e obtenha uma vista de alto nível das funcionalidades do Machine Learning Studio.Download the Microsoft Azure Machine Learning Studio Capabilities Overview diagram and get a high-level view of the capabilities of Machine Learning Studio. Para o ter à mão, pode imprimir o diagrama no tamanho de tabloide (11 x 17 pol.).To keep it nearby, you can print the diagram in tabloid size (11 x 17 in.).

Baixe o diagrama aqui: Visão geral das funcionalidades deMicrosoftAzureMachineLearningStudioMicrosoftAzureMachineLearningStudiovisãogeral dos recursosDownload the diagram here: Microsoft Azure Machine Learning Studio Capabilities Overview Microsoft Azure Machine Learning Studio Capabilities Overview

Introdução ao Machine Learning StudioGet started with Machine Learning Studio

Ao digitar pela primeira vez Machine Learning Studio, você verá a Home Page.When you first enter Machine Learning Studio, you see the Home page. Aqui, você pode exibir documentação, vídeos e webinars e encontrar outros recursos valiosos.From here you can view documentation, videos, and webinars and find other valuable resources.

Clique no menu do canto superior esquerdoClick the upper-left menu Menu e verá várias opções.and you'll see several options.

Azure Machine Learning StudioAzure Machine Learning Studio

Existem duas opções aqui, Página Principal, a página de início, e Studio.There are two options here, Home, the page where you started, and Studio.

Clique em Studio e será direcionado para o Azure Machine Learning Studio.Click Studio and you'll be taken to the Azure Machine Learning Studio. Em primeiro lugar, ser-lhe-á pedido para iniciar sessão com a sua conta Microsoft ou a sua conta escolar ou profissional.First you'll be asked to sign in using your Microsoft account, or your work or school account. Depois de iniciar sessão, irá ver os seguintes separadores no lado esquerdo:Once signed in, you'll see the following tabs on the left:

  • PROJETOS - Coleções de experimentações, conjuntos de dados, blocos de notas e outros recursos que representam um único projetoPROJECTS - Collections of experiments, datasets, notebooks, and other resources representing a single project
  • EXPERIMENTAÇÕES - As experimentações que foram criadas ou guardadas como rascunhosEXPERIMENTS - Experiments that you have created and run or saved as drafts
  • SERVIÇOS WEB - Os serviços web que foram implementados a partir das suas experimentaçõesWEB SERVICES - Web services that you have deployed from your experiments
  • BLOCOS DE NOTAS - Blocos de notas Jupyter que criouNOTEBOOKS - Jupyter notebooks that you have created
  • CONJUNTOS DE DADOS - Conjuntos de dados que carregou para o StudioDATASETS - Datasets that you have uploaded into Studio
  • MODELOS DE FORMAÇÃO - Modelos que preparado nas experimentações e guardou no StudioTRAINED MODELS - Models that you have trained in experiments and saved in Studio
  • DEFINIÇÕES - Uma coleção de definições que pode utilizar para configurar a sua conta e recursos.SETTINGS - A collection of settings that you can use to configure your account and resources.

Clique em Galeria e será direcionado para a Galeria de IA do Azure .Click Gallery and you'll be taken to the Azure AI Gallery. A Galeria é um local onde uma comunidade de cientistas de dados e programadores partilham as soluções criadas com componentes do Cortana Intelligence Suite.The Gallery is a place where a community of data scientists and developers share solutions created using components of the Cortana Intelligence Suite.

Para mais informações sobre a Galeria, veja Partilhar e detetar soluções na galeria de IA do Azure.For more information about the Gallery, see Share and discover solutions in the Azure AI Gallery.

Componentes de uma experimentaçãoComponents of an experiment

Uma experimentação é constituída por conjuntos de dados que fornecem dados aos módulos analíticos, que ligar em conjunto para construir um modelo de análise preditiva.An experiment consists of datasets that provide data to analytical modules, which you connect together to construct a predictive analysis model. Especificamente, uma experimentação válida tem estas características:Specifically, a valid experiment has these characteristics:

  • A experimentação tem, pelo menos, um conjunto de dados e um móduloThe experiment has at least one dataset and one module
  • Os conjuntos de dados só podem ser ligados aos módulosDatasets may be connected only to modules
  • Os módulos poderão estar ligados a conjuntos de dados ou a outros módulosModules may be connected to either datasets or other modules
  • Todas as portas de entrada de módulos têm de ter alguma ligação ao fluxo de dadosAll input ports for modules must have some connection to the data flow
  • Devem ser definidos todos os parâmetros necessários para cada móduloAll required parameters for each module must be set

Pode criar uma experimentação de raiz, ou pode utilizar uma experimentação de exemplo existente como um modelo.You can create an experiment from scratch, or you can use an existing sample experiment as a template. Para obter mais informações, veja Copy example experiments to create new machine learning experiments (Copiar experimentações de exemplo para criar novas experimentações de aprendizagem automática).For more information, see Copy example experiments to create new machine learning experiments.

Para obter um exemplo de criação de uma experimentação simples, consulte o artigo Criar uma experimentação simples no Azure Machine Learning Studio.For an example of creating a simple experiment, see Create a simple experiment in Azure Machine Learning Studio.

Para obter uma explicação mais completa da criação de uma solução de análise preditiva, consulte desenvolver uma solução preditiva com Azure Machine Learning Studio.For a more complete walkthrough of creating a predictive analytics solution, see Develop a predictive solution with Azure Machine Learning Studio.

Conjuntos de dadosDatasets

Um conjunto de dados que foi carregado no Machine Learning Studio para que possa ser utilizado no processo de modelação.A dataset is data that has been uploaded to Machine Learning Studio so that it can be used in the modeling process. Um número de conjuntos de dados de exemplo está incluído no Machine Learning Studio para experimentação e pode carregar mais conjuntos de dados conforme seja necessário.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. Seguem-se alguns exemplos de conjuntos de dados incluídos:Here are some examples of included datasets:

  • Dados MPG para vários automóveis - quilómetros por litro (MPG) valores para automóveis identificados pelo número de cilindros, potência de cavalos, etc.MPG data for various automobiles - Miles per gallon (MPG) values for automobiles identified by number of cylinders, horsepower, etc.
  • Dados sobre cancro da mama - Dados de diagnóstico sobre cancro da mama.Breast cancer data - Breast cancer diagnosis data.
  • Dados sobre incêndios florestais - tamanhos dos incêndios florestais no nordeste de Portugal.Forest fires data - Forest fire sizes in northeast Portugal.

À medida que cria um experimento, você pode escolher na lista de conjuntos de valores disponíveis à esquerda da tela.As you build an experiment, you can choose from the list of datasets available to the left of the canvas.

Para obter uma lista de conjuntos de dados de exemplo incluídos no Machine Learning Srudio, consulte o artigo Utilizar os conjuntos de dados de exemplo no Azure Machine Learning Studio.For a list of sample datasets included in Machine Learning Studio, see Use the sample data sets in Azure Machine Learning Studio.

MódulosModules

Um módulo é um algoritmo que pode utilizar nos seus dados.A module is an algorithm that you can perform on your data. O Machine Learning Studio tem um número de módulos que se situa entre funções de entrada de dados para formação, classificação e processos de validação.Machine Learning Studio has a number of modules ranging from data ingress functions to training, scoring, and validation processes. Seguem-se alguns exemplos de módulos incluídos:Here are some examples of included modules:

À medida que cria uma experimentação, pode escolher a partir de uma lista de módulos disponíveis à esquerda da tela.As you build an experiment you can choose from the list of modules available to the left of the canvas.

Um módulo pode ter um conjunto de parâmetros que pode utilizar para configurar algoritmos internos do módulo.A module may have a set of parameters that you can use to configure the module's internal algorithms. Quando seleciona um módulo na tela, os parâmetros do módulo são apresentados no painel Propriedades à direita da tela.When you select a module on the canvas, the module's parameters are displayed in the Properties pane to the right of the canvas. Pode modificar os parâmetros nesse painel para otimizar o seu modelo.You can modify the parameters in that pane to tune your model.

Para obter ajuda para navegar pela biblioteca grande de algoritmos de aprendizado de máquina disponíveis, consulte como escolher algoritmos para Microsoft Azure Machine Learning Studio.For some help navigating through the large library of machine learning algorithms available, see How to choose algorithms for Microsoft Azure Machine Learning Studio.

Implementar um serviço web de análise preditivaDeploying a predictive analytics web service

Assim que o modelo de análise preditiva estiver pronto, pode implementá-lo como um serviço web a partir do Machine Learning Studio.Once your predictive analytics model is ready, you can deploy it as a web service right from Machine Learning Studio. Consulte o artigo Implementar um serviço web do Azure Machine Learning para obter mais detalhes.For more details on this process, see Deploy an Azure Machine Learning web service.

Como Machine Learning Studio é diferente do serviço Azure Machine Learning?How is Machine Learning Studio different from Azure Machine Learning service?

Azure Machine Learning serviço fornece SDKs -e- uma interface visual (versão prévia), para preparar dados rapidamente, treinar e implantar modelos de aprendizado de máquina.Azure Machine Learning service provides both SDKs -and- a visual interface(preview), to quickly prep data, train and deploy machine learning models. Essa interface visual (visualização) fornece uma experiência de arrastar e soltar semelhante ao estúdio.This visual interface (preview) provides a similar drag-and-drop experience to Studio. No entanto, diferentemente da plataforma de computação proprietária do estúdio, a interface visual usa seus próprios recursos de computação e é totalmente integrada ao serviço de Azure Machine Learning.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.

Aqui está uma comparação rápida.Here is a quick comparison.

Machine Learning StudioMachine Learning Studio Serviço de Azure Machine Learning:Azure Machine Learning service:
Interface visualVisual interface
Disponibilidade geral (GA)Generally available (GA) Em pré-visualizaçãoIn preview
Módulos para interfaceModules for interface MuitosMany Conjunto inicial de módulos popularesInitial set of popular modules
Treinamento de destinos de computaçãoTraining compute targets Destino de computação proprietário, somente suporte de CPUProprietary compute target, CPU support only Dá suporte a Azure Machine Learning computação, GPU ou CPU.Supports Azure Machine Learning compute, GPU or CPU.
(Outros cálculos com suporte no SDK)(Other computes supported in SDK)
Destinos de computação de implantaçãoDeployment compute targets Formato de serviço da Web proprietário, não personalizávelProprietary web service format, not customizable Opções de segurança corporativa & serviço kubernetes do Azure.Enterprise security options & Azure Kubernetes Service.
(Outros cálculos com suporte no SDK)(Other computes supported in SDK)
Treinamento de modelo automatizado e ajuste de hiperparâmetroAutomated model training and hyperparameter tuning NãoNo Ainda não está na interface visual.Not yet in visual interface.
(Com suporte no SDK e portal do Azure.)(Supported in the SDK and Azure portal.)

Experimente a interface visual (versão prévia) com o tutorial: Prever o preço do automóvel com a interface visualTry out the visual interface (preview) with Tutorial: Predict automobile price with the visual interface

Nota

Os modelos criados no estúdio não podem ser implantados nem gerenciados pelo serviço Azure Machine Learning.Models created in Studio can't be deployed or managed by Azure Machine Learning service. No entanto, os modelos criados e implantados na interface visual do serviço podem ser gerenciados por meio do espaço de trabalho do serviço Azure Machine Learning.However, models created and deployed in the service visual interface can be managed through the Azure Machine Learning service workspace.

Avaliação gratuitaFree trial

Tente Azure Machine Learning Studio, disponível nas opções de pagas ou gratuitas.Try Azure Machine Learning Studio, available in paid or free options.

Passos seguintesNext steps

Você pode aprender as noções básicas de análise preditiva e aprendizado de máquina usando um guia de início rápido passo a passo e criando exemplos.You can learn the basics of predictive analytics and machine learning using a step-by-step quickstart and by building on samples.