Azure Machine Learning の新機能のプレビュー提供
公開日: 5月 06, 2019
機能に含まれるもの:
- オープン データセット - オープン データセットとは、Azure に構築された機械学習モデルの開発を加速するために、パブリック ドメインから収集したデータセットのコレクションです。オープン データセットは、Machine Leaning Studio と統合するか、Azure Machine Learning サービスの Python Notebook からアクセスすることができます。Azure Open Datasets は、パブリック ドメインから収集した高品質のデータを提供します。このようなデータは、多くの場合、見つけることが困難であるか、キュレーションが高額になります。データ準備ではなくモデルの構築に集中できるため、データ サイエンティストの生産性が向上します。
- ビジュアル インターフェイス:Azure Machine Learning の新しいビジュアル インターフェイスでは、ドラッグ アンド ドロップ ワークフロー機能が Azure Machine Learning Service に追加されました。コーディング エクスペリエンスよりもビジュアル エクスペリエンスを好まれるお客様向けに、機械学習モデルの構築、テスト、デプロイのプロセスが簡略化されています。この統合により、ML Studio と AML サービスの優れた機能が 1 つになりました。ドラッグ アンド ドロップ エクスペリエンスにより、データ サイエンティストなら誰でも、コーディングすることなく、迅速にモデルを構築できるようになりました。データ サイエンティストがモデルを微調整できる十分な柔軟性を備えたツールも用意されています。バックエンド プラットフォームとしての AML サービスで、ML Studio では提供できなかったスケーラビリティ、セキュリティ、デバッグ可能性のすべてが提供されています。ビジュアル インターフェイスでの簡単なデプロイ機能により、score.py ファイルの生成とイメージの作成を簡単に行うことができます。数回クリックすると、AML サービスに関連付けられている任意の AKS クラスターに、トレーニング済みのモデルをデプロイできます。
- 自動化された ML – UX :
- Web サービスとしてデプロイして新しいデータで予測する
- ボタンを数回クリックして、問題を分類、回帰、または予測するための最適なモデルを入手する
- 生成されたモデルを分析する
- 市民データ サイエンティスト:Python コード (または任意の種類のコード) を記述する必要なく、ML モデルを生成できます。データ サイエンティスト:数百モデルを迅速に探索して生成し、Jupyter ノートブック内で最良のモデルを継続的に最適化します。
- ノートブック VM: Azure Machine Learning は、4 月中旬に、ホストされているノートブック サービスを使用したプライベート プレビュー段階に入り、5 月にパブリック プレビュー段階に進む予定です。ホストされているノートブックでは、コード優先のエクスペリエンスを提供しています。ここで、ユーザーは、使い慣れた Jupyter ノートブックを使用して、Azure Machine Learning Python SDK でサポートされているすべての操作を実行できます。ホストされているノートブックは、エンタープライズ対応の安全な環境を ML の実務者に提供することで、使用開始プロセスを簡略化しています。お客様は、プライベート プレビューで、Azure ML ワークスペースに統合されたノートブックにアクセスし、事前に構成された Azure ML ノートブックをセットアップなしで使用し、パッケージとドライバーを追加する機能を持つノートブック VM を十分にカスタマイズすることができます。
一元化された安全でスケーラブルな場所でトレーニング実行から得られるメトリックと成果物をログに記録するために、Azure Machine Learning ワークスペースで MLflow を使用できるようになりました。MLflow トラッキングは、ローカル コンピューター、仮想マシン、またはリモート コンピューティング環境から実行できます。
- Data Box Edge と FPGA: FPGA は、Microsoft のハードウェア アーキテクチャである Project Brainwave に基づく機械学習の推論のオプションです。データ サイエンティストと開発者は、FPGA を使用してリアルタイムの AI 計算を高速化することができます。 Data Box Edge にデプロイしたモデルのプレビューと共に、クラウドでこれらの Hardware Accelerated Models の一般提供を開始しました。 FPGA は、パフォーマンス、柔軟性、およびスケールを提供し、Azure Machine Learning からのみ利用できます。これらによって、リアルタイムの推論要求に関して短い待機時間を達成できるようになり、非同期要求 (バッチ処理) のニーズを軽減します。