Verstehen der Funktionen von Azure Machine Learning
Microsoft Azure stellt den Azure Machine Learning-Dienst zur Verfügung – eine cloudbasierte Plattform für die Ausführung von Experimenten im großen Stil, um Vorhersagemodelle mit Daten zu trainieren und die trainierten Modelle als Dienste zu veröffentlichen.
Azure Machine Learning umfasst die folgenden Features und Funktionen:
| Feature | Funktion |
|---|---|
| Automatisiertes maschinelles Lernen | Mit dieses Features können Laien schnell ein effektives Modell für maschinelles Lernen aus Daten erstellen. |
| Azure Machine Learning-Designer | Eine grafische Schnittstelle, die die Entwicklung von Lösungen für maschinelles Lernen ohne Code ermöglicht. |
| Daten- und Computeverwaltung | Cloudbasierte Datenspeicherungs- und Computeressourcen, mit denen wissenschaftliche Fachkräfte für Daten Code für Datenexperimente im großen Stil ausführen können. |
| Pipelines | Wissenschaftliche Fachkräfte für Daten, Softwareentwickler und IT-Betriebsexperten können Pipelines definieren, um Modellschulungs-, bereitstellungs- und verwaltungsaufgaben zu koordinieren. |
Wissenschaftliche Fachkräfte für Daten können Azure Machine Learning während des gesamten Machine Learning-Lebenszyklus für Folgendes verwenden:
- Erfassen und Vorbereiten von Daten.
- Ausführen von Experimenten, um Daten zu erkunden und Vorhersagemodelle zu trainieren.
- Bereitstellen und Verwalten trainierter Modelle als Webdienste.
Softwareentwickler können auf folgende Weisen mit Azure Machine Learning interagieren:
- Verwenden von automatisiertem maschinellem Lernen oder von Azure Machine Learning-Designer, um Machine Learning-Modelle zu trainieren und als Dienste bereitzustellen, die in KI-fähige Anwendungen integriert werden können.
- Zusammenarbeiten mit wissenschaftlichen Fachkräfte für Daten, um Modelle basierend auf gängigen Frameworks wie Scikit-Learn, PyTorch und TensorFlow als Webdienste bereitzustellen und sie in Anwendungen zu nutzen.
- Verwenden von Azure Machine Learning SDKs oder CLI-Skripts (Command-Line Interface, Befehlszeilenschnittstelle), um DevOps Prozesse zu orchestrieren, die die Versionsverwaltung, Bereitstellung und Tests von Machine Learning-Modellen als Teil einer Gesamtlösung für die Anwendungsbereitstellung verwalten.
Hinweis
Weitere Informationen finden Sie unter Azure Machine Learning.