Azure Machine Learning es una plataforma basada en la nube que permite a los usuarios crear, entrenar y desplegar modelos de aprendizaje automático y análisis predictivo sin tener que preocuparse por la infraestructura subyacente. La plataforma facilita la creación y el entrenamiento de modelos de datos, que luego pueden desplegarse de diversas maneras y utilizarse en múltiples aplicaciones.
Es adecuado para científicos de datos, estadísticos y analistas de negocio que quieren construir e implementar modelos de aprendizaje automático sin tener que configurar o gestionar la infraestructura.
Permite crear experimentos de ciencia de datos con una serie de características, incluida la capacidad de crear algoritmos y flujos de trabajo personalizados. Permite cargar datos en la plataforma desde diferentes fuentes y después entrenar los modelos con ellos. Una vez que construido el modelo, puede desplegarse en producción para ser utilizado en aplicaciones del mundo real.
Con la ayuda de esta herramienta, se pueden crear modelos que se pueden utilizar para predecir resultados futuros basados en datos históricos.
Azure Machine Learning también tiene capacidades para gestionar grandes conjuntos de datos y procesar rápidamente conjuntos de big data utilizando recursos informáticos distribuidos como HDInsight o Azure Data Lake Store.
Las principales características de este producto son las siguientes
- Experimentos de ciencia de datos: Esta característica permite probar y validar modelos antes de desplegarlo en producción.
- Servicio de modelización: Puede utilizarse esta función para crear un modelo utilizando unas pocas líneas de código o importando un conjunto de datos existente con millones de filas.
- Análisis automatizado: Esta función ayuda a mejorar la precisión predictiva con la experimentación automatizada y el ajuste del modelo.
- Machine Learning Studio permite utilizar herramientas de arrastrar y soltar para construir modelos.
- Servicio Web. Se ejecuta en servidores del usuario, lo que le permite integrarlo en los sistemas existentes
- Gestión de modelos. Todo lo relacionado con el modelo se almacena en la nube, independiente de espacios de almacenamiento local
- Modelos históricos. Se puede acceder a versiones anteriores de los modelos si se necesita volver atrás y cambiar algo
- Inicie sesión para enviar comentarios
