A experiência de estúdio Web do Azure Machine Learning está em disponibilidade geral
Data de publicação: 08 julho, 2020
A experiência de estúdio Web do Azure Machine Learning está agora em disponibilidade geral com novas funcionalidades:
-
Notebooks: Intellisense, pontos de verificação, separadores, edição sem computação, operações de ficheiros atualizadas, melhor fiabilidade do kernel e muito mais.
-
-
Gráficos: Edite e adicione novos gráficos, apresente gráficos de dispersão ou de linhas, etc.
-
Apresente o valor métrico mínimo, máximo e último registado das execuções de forma tabular.
-
-
Computação: Melhoramentos no aprovisionamento de latência, experiência do utilizador e mensagens de erro/aviso acionáveis.
-
Etiquetagem de Dados: Crie, faça a gestão e monitorize projetos de etiquetagem diretamente na experiência de estúdio Web. A funcionalidade de etiquetagem assistida por machine learning (pré-visualização) permite-lhe acionar modelos automáticos de machine learning para acelerar a tarefa de etiquetagem
-
Classificação de Imagem com Várias Classes e Classificação de Imagem com Várias Etiquetas para projetos
-
Identificação de Objetos (Caixa Delimitadora)
-
-
Fairlearn (pré-visualização): Integrado no Azure Machine Learning para armazenar e controlar informações de equidade (disparidade) dos modelos no estúdio do Azure Machine Learning e partilhar facilmente as conclusões sobre equidade dos seus modelos com os diferentes intervenientes.
-
Estruturador (pré-visualização):
-
Motor de gráficos com módulos de estilo novo, biblioteca de recursos e definições de saída.
-
Módulos:
-
Imagem Digitalizada: Suporte para pré-processamento de conjuntos de dados de imagens, preparação de modelos PyTorch (ResNet/DenseNet) e pontuação para classificação de imagens
-
Recomendação: Suporte para Recomendador Simples e Detalhado
-
-
Como resultado destas atualizações, alguns recursos serão removidos da IU do portal do Azure e só estarão disponíveis no estúdio do Azure Machine Learning, como Experimentações, Pipelines, Modelos, Implementações (agora chamadas "Pontos finais em tempo real").
Para saber mais, consulte a documentação do Azure Machine Learning.