Microsoft Azure cung cấp dịch vụ Azure Machine Learning – một nền tảng đám mây ( a cloud-based platform ) để chạy các thử nghiệm quy mô lớn để huấn luyện các mô hình dự đoán ( predictive models ) từ dữ liệu, và công bố các mô hình ( the trained models ) đã huấn luyện dưới dạng dịch vụ.
Microsoft Azure provides the Azure Machine Learning service – a cloud-based platform for running experiments at scale to train predictive models from data, and publish the trained models as services.
Azure Machine Learning provides the following features and capabilities:
| Feature | Capability |
| Automated machine learning | Tính năng này cho phép những người không phải là chuyên gia ( non-experts ) nhanh chóng tạo ra mô hình học máy hiệu quả ( an effective machine learning model ) từ dữ liệu. This feature enables non-experts to quickly create an effective machine learning model from data. |
| Azure Machine Learning designer | Giao diện đồ họa ( A graphical interface ) cho phép phát triển giải pháp học máy mà không cần mã hóa ( no-code development ). A graphical interface enabling no-code development of machine learning solutions. |
| Data and compute management | Lưu trữ dữ liệu và tài nguyên tính toán trên đám mây ( Cloud-based data storage and compute resources ) mà các nhà khoa học dữ liệu chuyên nghiệp ( professional data scientists ) có thể sử dụng để chạy mã thử nghiệm dữ liệu ở quy mô lớn. Cloud-based data storage and compute resources that professional data scientists can use to run data experiment code at scale. |
| Pipelines | Các nhà khoa học dữ liệu, kỹ sư phần mềm và chuyên gia IT có thể định nghĩa các pipeline để điều phối các nhiệm vụ huấn luyện mô hình, triển khai, và quản lý ( model training, deployment, and management tasks ). Data scientists, software engineers, and IT operations professionals can define pipelines to orchestrate model training, deployment, and management tasks. |
Các nhà khoa học dữ liệu có thể sử dụng Azure Machine Learning trong suốt vòng đời của quá trình huấn luyện cho máy ( the entire machine learning lifecycle ) để:
Data scientists can use Azure Machine Learning throughout the entire machine learning lifecycle to:
- Nhập ( Ingest ) và chuẩn bị dữ liệu.
Ingest and prepare data.
- Chạy các thử nghiệm ( Run experiments ) để khám phá dữ liệu và huấn luyện các mô hình dự đoán ( predictive models ).
Run experiments to explore data and train predictive models.
- Triển khai và quản lý các mô hình đã huấn luyện dưới dạng dịch vụ web ( web services ).
Deploy and manage trained models as web services.
Các kỹ sư phần mềm có thể tương tác ( interact ) với Azure Machine Learning theo các cách sau:
Software engineers may interact with Azure Machine Learning in the following ways:
- Sử dụng Automated Machine Learning hoặc Azure Machine Learning designer để huấn luyện các mô hình huấn luyến máy ( machine learning models ) và triển khai chúng dưới dạng dịch vụ có thể tích hợp vào ( services that can be integrated into ) các ứng dụng hỗ trợ AI ( AI-enabled applications ).
Using Automated Machine Learning or Azure Machine Learning designer to train machine learning models and deploy them as services that can be integrated into AI-enabled applications.
- Cộng tác ( Collaborating ) với các nhà khoa học dữ liệu ( data scientists ) để triển khai các mô hình dựa trên các framework phổ biến ( common frameworks ) như Scikit-Learn, PyTorch, và TensorFlow dưới dạng dịch vụ web (web services ), và tiêu thụ ( consume ) chúng trong các ứng dụng.
Collaborating with data scientists to deploy models based on common frameworks such as Scikit-Learn, PyTorch, and TensorFlow as web services, and consume them in applications.
- Sử dụng các SDK của Azure Machine Learning ( Azure Machine Learning SDKs ) hoặc các kịch bản giao diện dòng lệnh (CLI) ( command-line interface scripts ) để điều phối ( orchestrate ) các quy trình DevOps quản lý các phiên bản (manage versioning ), triển khai ( deployment ), và kiểm tra ( testing ) các mô hình học máy như một phần của giải pháp cung cấp ứng dụng tổng thể ( an overall application delivery solution ).
Using Azure Machine Learning SDKs or command-line interface (CLI) scripts to orchestrate DevOps processes that manage versioning, deployment, and testing of machine learning models as part of an overall application delivery solution.
