Azure Machine Learning

Azure Machine Learning és una plataforma basada en el núvol que permet als usuaris crear, entrenar i desplegar models d'aprenentatge automàtic i anàlisi predictiva sense haver de preocupar-se per la infraestructura subjacent. La plataforma facilita la creació i l'entrenament de models de dades, que després poden desplegar-se de diverses maneres i utilitzar-se en múltiples aplicacions.

És adequat per a científics de dades, estadístics i analistes de negoci que volen construir i implementar models d'aprenentatge automàtic sense haver de configurar o gestionar la infraestructura.

Permet crear experiments de ciència de dades amb una sèrie de característiques, inclosa la capacitat de crear algorismes i fluxos de treball personalitzats. Permet carregar dades en la plataforma des de diferents fonts i després entrenar els models amb ells. Una vegada que construït el model, pot desplegar-se en producció per a ser utilitzat en aplicacions del món real.

Amb l'ajuda d'aquesta eina, es poden crear models que es poden utilitzar per a predir resultats futurs basats en dades històriques.

Azure Machine Learning també té capacitats per a gestionar grans conjunts de dades i processar ràpidament conjunts de big data utilitzant recursos informàtics distribuïts com HDInsight o Azure Data Lake Store.

Les principals característiques d'aquest producte són les següents

• Experiments de ciència de dades: Aquesta característica permet provar i validar models abans de desplegar-ho en producció.

• Servei de modelització: Pot utilitzar-se aquesta funció per a crear un model utilitzant unes poques línies de codi o important un conjunt de dades existent amb milions de files.

• Anàlisi automatitzada: Aquesta funció ajuda a millorar la precisió predictiva amb l'experimentació automatitzada i l'ajust del model.

• Machine Learning Studio permet utilitzar eines d'arrossegar i deixar anar per a construir models.

• Servei Web. S'executa en servidors de l'usuari, la qual cosa li permet integrar-lo en els sistemes existents

• Gestió de models. Tot el relacionat amb el model s'emmagatzema en el núvol, independent d'espais d'emmagatzematge local

• Models històrics. Es pot accedir a versions anteriors dels models si es necessita tornar enrere i canviar alguna cosa