Azure Machine Learning Studio

Azure Machine Learning (Azure ML) er en administreret cloudplatform til hele maskinlæringslivscyklussen — forberedelse af data, sporing af eksperimenter, modeltræning, evaluering, implementering og overvågning. I modsætning til Azure AI Services, som leverer forudbyggede AI-funktioner, giver Azure ML dig mulighed for at træne dine egne modeller på dine egne data ved hjælp af alle ML-frameworks, herunder scikit-learn, TensorFlow, PyTorch, XGBoost og flere andre. Det er den foretrukne platform for data scientists og ML-ingeniører, der arbejder i Azure.

Et Azure ML-arbejdsområde er den ressource på øverste niveau, der samler alle ML-ressourcer: computerklynger, datasæt, eksperimenter, modeller og implementeringer. Når du opretter et arbejdsområde, klargør Azure automatisk en tilknyttet Storage account (til data), Key Vault (til hemmeligheder), Application Insights (til overvågning af implementeringer) og eventuelt et Container Registry (til tilpassede miljøer). Alt i et ML-projekt ligger i ét arbejdsområde, hvilket gør samarbejde og styring enkelt.

Azure ML Studio er den webbaserede brugergrænseflade til Azure ML-arbejdsområdet på ml.azure.com. Den organiserer arbejdet i sektioner: Notebooks (Jupyter-miljø til interaktiv kodning), Automated ML (modeltræning uden kode), Designer (værktøj til opbygning af pipelines med træk-og-slip), Jobs (historik og målinger for træningskørsler), Models (modelregister), Endpoints (API'er til implementerede modeller) og Data (håndtering af datasæt). Studio er udviklet til både data scientists og ML-ingeniører.

Automated ML automatiserer den gentagne proces med at vælge algoritmer og hyperparametre. Du angiver et mærket datasæt, specificerer opgavetypen (klassifikation, regression eller tidsserieprognoser), vælger målkolonnen og fastsætter en tidsramme. AutoML træner hundredvis af modelkandidater parallelt, evaluerer hver af dem og returnerer en rangordnet resultattavle. Den bedste model registreres automatisk i modelregistret og kan implementeres med ét klik. Du behøver ingen ML-ekspertise for at få en fungerende model.

Azure ML understøtter flere computermål til træning og inferens. Compute instances er enkeltknudede, administrerede virtuelle maskiner, der bruges til interaktiv udvikling i notebooks. Compute clusters er automatisk skalerende klynger med flere knudepunkter (de skaleres ned til 0, når de er inaktive), som bruges til træningsjob. Serverless compute kræver ingen administration af klynger — du indsender et job, og Azure ML vælger og klargør automatisk de nødvendige computerressourcer. Til inferens kan du implementere til managed online endpoints (realtid), batch endpoints eller Azure Kubernetes Service.

Azure ML er integreret med MLflow, open source-biblioteket til sporing af ML-eksperimenter. Når du logger målinger, parametre og artefakter ved hjælp af mlflow.log_metric() og mlflow.log_param(), gemmer Azure ML dem automatisk i arbejdsområdets eksperimenthistorik. Du kan sammenligne kørsler på tværs af eksperimenter i Studio for at finde den bedste kombination af hyperparametre. Modellogning med MLflow (mlflow.sklearn.log_model()) registrerer også modeller direkte i Azure ML-modelregistret.

Azure ML Studio indeholder et Responsible AI Dashboard, der analyserer din trænede model med hensyn til retfærdighed, fortolkning og fejlanalyse. Komponenten error analysis identificerer undergrupper i testdatasættet, hvor modellen klarer sig dårligst. Komponenten interpretability (ved hjælp af SHAP eller LIME) viser, hvilke funktioner der har størst indflydelse på modellens forudsigelser. fairness assessment kontrollerer, om fejlprocenterne for forudsigelser varierer mellem demografiske grupper, så du kan identificere og begrænse skævheder før implementering.

Hvis du vil implementere en trænet model til inferens i realtid, opretter du et managed online endpoint i Azure ML. Et slutpunkt har en eller flere deployments — hver implementering er en version af modellen med sin egen computerkonfiguration. Du angiver modellen, et scoringsscript (indgangspunkt) og typen af computerinstans. Trafikken kan fordeles mellem implementeringer (f.eks. 90 % til blå og 10 % til grøn) for at udrulle nye modelversioner sikkert. Slutpunktet stiller en HTTPS REST-API til rådighed.

Batch endpoints udfører inferens asynkront på store datasæt i stedet for at score én post ad gangen. Du indsender et batchjob, der peger på et inputdatasæt (i Azure Blob Storage), og slutpunktet behandler det parallelt på tværs af en computerklynge. Resultaterne skrives til en outputplacering. Batch-inferens er velegnet til daglige kørsler med forudsigelse af kundefrafald, månedlig scoring af kreditrisiko eller natlig billedklassifikation af nye indholdsuploads — scenarier, hvor svartiden pr. anmodning ikke er afgørende, men gennemløbet er vigtigt.

Efter implementeringen kan modellens nøjagtighed blive dårligere med tiden, når mønstrene i data fra den virkelige verden ændrer sig — et fænomen, der kaldes datadrift eller modeldrift. Azure ML tilbyder modelovervågning, som sammenligner inferensdata fra produktionen med træningsgrundlaget og udsender en alarm, når den statistiske drift overskrider en tærskel. Du kan planlægge overvågningsjob dagligt eller ugentligt. Når der registreres betydelig drift, er det et tegn på, at modellen bør trænes igen med nyere data for at bevare kvaliteten af forudsigelserne.

Azure ML Pipelines orkestrerer ML-arbejdsgange i flere trin — forbehandling af data, feature engineering, modeltræning, evaluering og betinget implementering — som en genanvendelig pipeline med parametre. Hvert trin kører på sit eget computermål. Pipelines kan planlægges (f.eks. til ugentlig genindlæring på nye data), udløses af Azure Data Factory eller kaldes via en REST-API. Udgivne pipelines versionsstyres i arbejdsområdet, hvilket muliggør reproducerbare ML-eksperimenter og revisionssporbarhed i regulerede brancher.

I denne lektion har du lært, at Azure ML Studio tilbyder en samlet brugergrænseflade til hele ML-livscyklussen fra data til implementeret model, at AutoML automatiserer valg af algoritme og justering af hyperparametre uden ML-ekspertise, og at managed online and batch endpoints implementerer trænede modeller som REST-API'er til realtidsscoring eller asynkron scoring i stor skala. Nu skal vi se nærmere på Azure OpenAI Service til integration af store sprogmodeller i applikationer.