略過導覽
預覽中

Azure Machine Learning 的新功能現供預覽

發佈日期: 五月 06, 2019

功能包括:

  • 開放資料集 - 開放資料集收集了來自公用網域的資料集,旨在加速開發內建於 Azure 的機器學習模型。開放資料集可以與 Machine Leaning Studio 整合,或從 Azure Machine Learning 服務中的 Python Notebook 存取。Azure 開放資料集提供來自公用網域的高品質資料,這些資料通常不易找到,而且管理成本很高。資料科學家將可更有效率地專注於建置,而不是準備資料。
  • 視覺化介面:Azure Machine Learning 的新視覺化介面在 Azure Machine Learning 服務中新增了拖放式工作流程功能。它為想要兼顧視覺效果與程式碼撰寫體驗的客戶,簡化了建置、測試及部署機器學習模型的程序。這項整合結合了 ML Studio 與 AML 服務的優點。拖放式體驗讓任何資料科學家都能快速建置模型,而不需要撰寫程式碼。該工具也提供資料科學家足夠的彈性來微調其模型。AML 服務即後端平台提供 ML Studio 無法提供的所有延展性、安全性、偵錯功能等。視覺化介面中的簡單部署功能可讓您輕鬆地產生 score.py 檔案並建立影像。只要按幾下,就能將已定型的模型部署到任何與 AML 服務相關聯的 AKS 叢集。
  • 自動化 ML - UX:
    • 部署為 Web 服務以在新資料上進行預測
    • 只要按幾下按鈕,即可取得分類、迴歸或預測問題的最佳模型
    • 分析已產生的模型
    • 素人資料科學家:產生 ML 模型,而不需要撰寫 Python 程式碼 (或任何 if 類型的程式碼)。資料科學家:快速探索及產生數百個模型,然後繼續最佳化以產生 Jupyter Notebook 中的最佳模型
  • 筆記本 VM: Azure Machine Learning 將於 4 月中旬成為個人預覽版並提供託管的筆記本服務,我們預期將於 5 月提供公開預覽。託管的筆記本提供 Code First 體驗,其中使用者可以使用熟悉的 Jupyter Notebook 來執行 Azure Machine Learning Python SDK 支援的每項作業。託管的筆記本為 ML 實踐者提供安全、符合企業需求的環境,藉此簡化入門程序。在個人預覽版中,客戶將能夠:存取整合到 Azure ML 工作區的筆記本、使用預先設定的 Azure ML 筆記本而不需要設定、完全自訂其筆記本 VM (包括能夠新增套件和驅動程式)。

​現在您可以搭配 Azure Machine Learning 工作區使用 MLflow,將來自您定型執行的計量和成品記錄到一個集中式、安全且可調整規模的位置。MLflow 追蹤可從您的本機電腦、虛擬機器或遠端計算環境完成。

  • Data Box Edge (含 FPGA): FPGA 是基於 Project Brainwave (來自 Microsoft 的硬體架構) 的機器學習推斷選項。資料科學家和開發人員可以使用 FPGA 來加速即時 AI 計算。 這些硬體加速模型現已在雲端中正式推出,同時也推出了部署到 Data Box Edge 的模型預覽。 FPGA 提供效能、彈性和縮放,並只能透過 Azure Machine Learning 獲得。可以達成低延遲的即時推斷要求,減少對非同步要求 (批次) 的需求。
  • Azure Machine Learning
  • Azure 開放資料集
  • Features