Веб-интерфейс Студии машинного обучения Azure общедоступен
Дата публикации: 08 июля, 2020
Теперь веб-интерфейс Студии машинного обучения Azure общедоступен и в нем реализованы новые функции:
-
Записные книжки. IntelliSense, контрольные точки, вкладки, редактирование без вычислений, обновленные операции с файлами, повышенная надежность ядра и многое другое.
-
-
Диаграммы. Редактирование и добавление новых диаграмм, отображение точечных диаграмм или линейных графиков и т. д.
-
Отображение минимального, максимального и последнего записанного в журнал значения метрик выполнения в табличном виде.
-
-
Вычисления. Сокращение задержки подготовки, улучшение взаимодействия с пользователем, а также сообщения об ошибках и предупреждения с практическими сведениями.
-
Маркировка данных. Создание, контроль и отслеживание проектов маркировки непосредственно в веб-интерфейсе Студии. Функция меток (предварительная версия) с использованием машинного обучения позволяет запускать автоматические модели машинного обучения для ускорения выполнения задач маркировки.
-
Классификация изображений. Многоклассовая классификация и классификация изображений. Добавление нескольких меток в проектах.
-
Идентификация объекта (ограничивающий прямоугольник).
-
-
Fairlearn (предварительная версия). Пакет интегрирован в службу "Машинное обучение Azure" для хранения и отслеживания сведений об объективности (несоответствии) моделей в Студии машинного обучения Azure и простого обмена сведениями об объективности моделей между различными заинтересованными сторонами.
-
Конструктор (предварительная версия).
-
Подсистема Graph с новыми модулями, библиотекой ресурсов и параметрами вывода.
-
Модули:
-
Компьютерное зрение. Поддержка предварительной обработки наборов данных изображений, обучение моделей PyTorch (ResNet/DenseNet) и оценка для классификации изображений.
-
Рекомендация. Поддержка Wide and Deep Recommender.
-
-
В результате этих обновлений некоторые ресурсы будут удалены из пользовательского интерфейса портала Azure и останутся доступными только в Студии машинного обучения Azure, например ресурсы экспериментов, конвейеров, моделей и развертываний (теперь называются конечными точками для прогнозирования в реальном времени).
Дополнительные сведения см. в документации по службе "Машинное обучение Azure".