Um Azure Machine Learning für eine maschinelle Lernaufgabe zu nutzen, müssen Sie zunächst ein Azure-Konto erstellen. Sobald Sie ein Konto haben, können Sie die Azure Machine Learning-Konsole oder das Azure Machine Learning-SDK verwenden, um Ihre Aufgabe zu starten.
Azure Machine Learning-Konsole
Die Azure Machine Learning-Konsole ist eine webbasierte Benutzeroberfläche, mit der Sie Ihre maschinelle Lernaufgaben visuell erstellen und verwalten können.
Um eine maschinelle Lernaufgabe mit der Azure Machine Learning-Konsole zu starten, führen Sie die folgenden Schritte aus:
- Melden Sie sich bei der Azure Machine Learning-Konsole an.
- Klicken Sie auf Neues Projekt.
- Geben Sie einen Namen und eine Beschreibung für Ihr Projekt ein.
- Wählen Sie einen Speicherort für Ihre Projektdaten aus.
- Klicken Sie auf Erstellen.
Sobald Ihr Projekt erstellt ist, können Sie mit dem Erstellen Ihrer maschinellen Lernaufgabe beginnen. Dazu müssen Sie zunächst Ihre Daten vorbereiten.
Datenvorbereitung
Die Datenvorbereitung ist ein wichtiger Schritt bei jeder maschinellen Lernaufgabe. Sie müssen sicherstellen, dass Ihre Daten sauber, vollständig und korrekt sind.
In Azure Machine Learning können Sie Ihre Daten mithilfe einer Reihe von Werkzeugen und Funktionen vorbereiten. Dazu gehören:
- Datensatzvorbereitung: Mit diesem Tool können Sie Ihre Daten bereinigen, transformieren und normalisieren.
- Datenvisualisierung: Mit diesem Tool können Sie Ihre Daten visuell darstellen, um Muster und Trends zu erkennen.
- Datenaufteilung: Mit diesem Tool können Sie Ihre Daten in Trainings-, Validierungs- und Testdaten aufteilen.
Sobald Ihre Daten vorbereitet sind, können Sie mit dem Training Ihres maschinellen Lernmodells beginnen.
Training des Modells
Azure Machine Learning bietet eine Reihe von Algorithmen und Modellen, die Sie für Ihre maschinellen Lernaufgaben verwenden können. Sie können auch Ihre eigenen Algorithmen und Modelle erstellen.
Um ein Modell in Azure Machine Learning zu trainieren, führen Sie die folgenden Schritte aus:
- Wählen Sie einen Algorithmus oder ein Modell aus.
- Konfigurieren Sie die Parameter des Modells.
- Führen Sie das Training aus.
Azure Machine Learning überwacht das Training Ihres Modells und zeigt Ihnen die Fortschrittsberichte an. Sobald das Training abgeschlossen ist, können Sie Ihr Modell bewerten.
Bewertung des Modells
Die Bewertung Ihres Modells ist wichtig, um sicherzustellen, dass es die gewünschte Leistung erbringt.
In Azure Machine Learning können Sie Ihr Modell mithilfe einer Reihe von Metriken bewerten. Dazu gehören:
- Genauigkeit: Der Anteil der Datensätze, die korrekt klassifiziert wurden.
- Fehlerrate: Der Anteil der Datensätze, die fälschlicherweise klassifiziert wurden.
- ROC-Kurve: Eine grafische Darstellung der Genauigkeit und des Falsch-Alarm-Risikos.
Sobald Sie Ihr Modell bewertet haben, können Sie es bereitstellen.
Bereitstellung des Modells
Sobald Sie ein Modell trainiert und bewertet haben, können Sie es bereitstellen, damit es in Produktion gehen kann.
In Azure Machine Learning können Sie Ihr Modell in einer Reihe von Umgebungen bereitstellen. Dazu gehören:
- Azure Kubernetes Service (AKS): Eine Container-Plattform für die Bereitstellung von Anwendungen.
- Azure Container Instances (ACI): Eine Serverless-Plattform für die Bereitstellung von Containern.
- Azure Functions: Eine Serverless-Plattform für die Bereitstellung von zustandslosen Funktionen.
Zusammenfassung
So nutzen Sie Azure Machine Learning für eine maschinelle Lernaufgabe:
- Erstellen Sie ein Azure-Konto.
- Starten Sie eine neue maschinelle Lernaufgabe in der Azure Machine Learning-Konsole.
- Vorbereiten Ihrer Daten.
- Trainieren Ihres Modells.
- Bewerten Ihres Modells.
- Bereitstellung Ihres Modells.
Azure Machine Learning bietet eine Reihe von Funktionen und Tools, die Ihnen helfen, maschinelle Lernmodelle zu erstellen, zu trainieren, bereitzustellen und zu verwalten.
