Azure Machine Learning のバックアップ(No.5) - マイクロソフト系技術情報 Wiki

[ トップ ] [ 新規 | 一覧 | 単語検索 | 最終更新 | ヘルプ ]

「マイクロソフト系技術情報 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。

戻る
- .NET開発 > DX系 > AI > ML.NET
- AzureのAI系サービス
  - Azure Machine Learning
  - Azure Cognitive Services
  - Azure OpenAI Service
  - Azure Applied AI Services
  - Azure AI インフラストラクチャ

目次 †

目次
概要
詳細
- 用語
- Machine Learning Studio
  - (classic)
参考
- Qiita
- microsoft.com
  - Microsoft Azure
  - Microsoft Docs

概要 †

機械学習モデルを構築、トレーニング、デプロイが可能なプラットフォーム

詳細 †

用語 †

ワークスペース †

機械学習のモデルのトレーニングやデプロイに用いるすべてのリソースを管理する場所。

実験、実行、実行構成、スナップショット †

実験
機械学習のモデル構築のためにトレーニングを行うことを指す。

実行
- 実験に関する実行は、スクリプトを1回行うこと。
- メタデータ、メトリック、出力ファイル、スナップショットなどが記録される。

実行構成
実行方法を定義した命令。

スナップショット
実行時にスクリプトに含まれているファイルが実行レコードに保存される。

モデル、モデルレジストリ †

TensorFlow?、PyTorch?、Scikit-learn、Chainerのような、
外部のフレームワークを使うことができる。

ワークスペース内の学習モデルは、モデルレジストリで追跡可能

エンドポイント †

クラウド上のWebサービス、IoTをエンドポイントとして指定
措定したエンドポイントにモジュールをデプロイする。

Machine Learning Studio †

Azure Machine Learning 開発者向け Web ポータル

Azure Machine Learningが中級者向けとすると、
Machine Learning Studioは初心者向け。

エクスペリエンスを組み合わせることができる。
- 少量コードエクスペリエンス
- コード・ファーストエクスペリエンス

(classic) †

2015年にリリースされたAzure Machine Learning Studioが先行してGUI環境を実現。

ドラッグアンドドロップ機械学習ビルダー
コード・ファーストが存在しなかった。
Azure Machine Learningと相互運用できない。

2024 年 8 月 31 日に終了
2021 年 12 月 1 日以降、新しいリソースは作成できない。

参考 †

Microsoft Azure / Azure Machine Learningとは
https://www.ossnews.jp/oss_info/Azure_Machine_Learning

Azure Machine Learning Studioによる機械学習入門
｜コラム｜クラウドソリューション｜サービス｜法人のお客さま｜NTT東日本
https://business.ntt-east.co.jp/content/cloudsolution/column-75.html

Azure Machine Learningとは？用語やStudioとの違いなどを解説
https://www.cloud-for-all.com/blog/what-is-azure-machine-learning.html

Qiita †

Azure Machine Learningのいろは
https://qiita.com/gnbrganchan/items/43e6c44754cb83220db5

機械学習(AI)初学者のファーストステップ
https://qiita.com/tetsu831018/items/433a3b62d81a89580eaa

気象庁公開データを利用したAzure Machine Learning デザイナーによる来店者数予測のサンプル
https://qiita.com/zukakosan/items/baff8bc08d21d52109d6

Azure ML Python SDK を使う
- １：データセットをインプットとして使う - その１
  https://qiita.com/notanaha/items/89fd11fff8eb3fead176
- ２：データセットをインプットとして使う - その２
  https://qiita.com/notanaha/items/30d57590c92b03bc953c
- ３：アウトプットを Blob ストレージに書きだす - その１
  https://qiita.com/notanaha/items/d22ba02b9cc903d281b6
- ４：アウトプットを Blob ストレージに書きだす - その２
  https://qiita.com/notanaha/items/655290670a83f2a00fdc
- ５：パイプラインの基本
  https://qiita.com/notanaha/items/6d86631a5dd9956ed011

Amazon SageMaker?とAzure MLにおける機械学習モデルのサービング技術比較
- (前編)
  https://qiita.com/kyosuke_hashimoto/items/48a4e050d6d2504d1e5c
- (後編)
  https://qiita.com/kyosuke_hashimoto/items/2e321d9fe844078d81f2

microsoft.com †

Microsoft Azure †

Azure Machine Learning - サービスとしての ML
https://azure.microsoft.com/ja-jp/services/machine-learning/#product-overview

Microsoft Docs †

Azure Machine Learning のドキュメント
https://docs.microsoft.com/ja-jp/azure/machine-learning/

Azure Machine Learning とは
https://docs.microsoft.com/ja-jp/azure/machine-learning/overview-what-is-azure-machine-learning

Azure Machine Learning スタジオとは
https://docs.microsoft.com/ja-jp/azure/machine-learning/overview-what-is-machine-learning-studio

自動機械学習 (AutoML) とは
https://docs.microsoft.com/ja-jp/azure/machine-learning/concept-automated-ml

Azure Machine Learning 内に Azure Databricks と AutoML を含む開発環境をセットアップする
https://docs.microsoft.com/ja-jp/azure/machine-learning/how-to-configure-databricks-automl-environment

Tags: :クラウド, :BI/AI, :Azure