跳到主内容
预览中

Azure 机器学习的新增功能现已推出预览版

发布日期:五月 06, 2019

功能包括:

  • 开放数据集 - 开放数据集是来自公共域的数据集的集合,用于加速 Azure 中构建的机器学习模型的开发。开放数据集可与机器学习工作室集成,或者可以在 Azure 机器学习服务中通过 python 笔记本访问。Azure 开放数据集提供来自公共域的高质量数据,这些数据通常很难找到并且策展成本较高。数据科学家可专注于模型构建,而不是数据准备,从而提高工作效率。
  • 可视界面:Azure 机器学习的新可视化界面为 Azure 机器学习服务添加了拖放工作流功能。可为偏爱视觉(而不是编码)体验的客户简化机器学习模型的构建、测试和部署过程。此集成将机器学习工作室和 AML 服务最佳地结合在一起。拖放体验使任何数据科学家都可以快速地构建模型,而无需编码。该工具还为数据科学家提供了调整其模型的足够灵活性。作为后端平台,AML 服务提供机器学习工作室无法提供的所有可缩放性、安全性、可调试性。利用可视界面中的轻松部署功能,可以轻松地生成 score.py 文件并创建映像。只需单击几下,即可将训练后的模型部署到与 AML 服务相关的任何 AKS 群集。
  • 自动化 ML - UX:
    • 部署为 Web 服务,用于预测新数据
    • 只需单击几下按钮,即可获得分类、回归或预测问题的最佳模型
    • 分析生成的模型
    • 公民数据科学家:生成 ML 模型,而无需编写 Python 代码或其他任何类型的代码。数据科学家:快速探索并生成数百种模型,然后继续在 Jupyter 笔记本中优化最佳模型
  • 笔记本 VM: Azure 机器学习将于 4 月中旬推出包含托管笔记本服务的个人预览版,可望在 5 月推出公共预览版。托管笔记本提供代码优先体验,用户可使用熟悉的 Jupyter 笔记本执行 Azure 机器学习 Python SDK 支持的每项操作。通过为 ML 从业者提供安全的企业就绪型环境,托管笔记本简化了入门流程。在个人预览版中,客户将能够访问集成到 Azure ML 工作区的笔记本,无需设置即可使用预配置的 Azure ML 笔记本,全面自定义其笔记本 VM(包括能够添加包和驱动程序)。

​现可将 MLflow 与 Azure 机器学习工作区配合使用,在集中、安全、可缩放的位置记录训练运行中的指标和项目。MLflow 跟踪可从本地计算机、虚拟机或远程计算环境完成。

  • Data Box Edge 与 FPGA: FPGA 是一种机器学习推断方式,基于 Microsoft 提供的硬件体系结构 Project Brainwave。数据科学家和开发者可以使用 FPGA 来加速实时 AI 计算。 这些硬件加速模型现已在云中推出,同时提供部署到 Data Box Edge 的模型预览。 FPGA 提供性能、灵活性和可缩放性,并且只能通过 Azure 机器学习获得。FPGA 可以实现低延迟的实时推断请求,这样可减少对异步请求(批处理)的需求。
  • Azure 机器学习
  • Azure 开放数据集
  • Features