A experiência Web no estúdio do Azure Machine Learning está em disponibilidade geral
Data da publicação: 08 julho, 2020
A experiência Web no estúdio do Azure Machine Learning já está em disponibilidade geral e traz novos recursos:
-
Notebooks: IntelliSense, pontos de verificação, guias, edição sem computação, operações de arquivo atualizadas, confiabilidade aprimorada do kernel e muito mais.
-
-
Gráficos: Editar e adicionar novos gráficos, exibir gráficos de dispersão ou de linhas etc.
-
A exibição do valor de métrica mínimo, máximo e último registrado de execuções de maneira tabular.
-
-
Computação: Aprimoramentos na latência de provisionamento, na experiência do usuário e nas mensagens de erro/aviso acionáveis.
-
Rotulagem de dados: Crie, gerencie e monitore a rotulagem de projetos diretamente dentro da experiência Web do estúdio. O recurso de rotulagem assistida do machine learning (versão prévia) permite que você acione modelos automáticos de machine learning para acelerar a tarefa de rotulagem
-
Várias classes de classificação de imagem e vários rótulos de classificação de imagem para projetos
-
Identificação do Objeto (Caixa Delimitadora)
-
-
Fairlearn (versão prévia): Integrado no Azure Machine Learning para armazenar e rastrear insights de imparcialidade (disparidade) dos modelos no estúdio do Azure Machine Learning e compartilhar com facilidade os aprendizados de imparcialidade de seus modelos entre diversos stakeholders.
-
Designer (versão prévia):
-
Mecanismo do Graph, com módulos de novo estilo, biblioteca de ativos, configurações de saída.
-
Módulos:
-
Pesquisa Visual Computacional: Suporte ao pré-processamento de conjunto de dados de imagem, treino de modelos de PyTorch (ResNet/DenseNet) e pontuação para classificação de imagem
-
Recomendação: Suporte ao sistema de recomendação grande e profundo
-
-
Em decorrência dessas atualizações, alguns ativos serão removidos da interface do usuário do portal do Azure e estarão disponíveis apenas no estúdio do Azure Machine Learning, como Experimentos, Pipelines, Modelos, Implantações (agora chamadas de "pontos de extremidade em tempo real").
Para saber mais, consulte a documentação do Azure Machine Learning.