次の記事は、Azure Machine Learning の使用を開始する際に役立ちます。 Azure Machine Learning v2 REST API、Azure CLI 拡張機能、Python SDK は、機械学習ライフサイクル全体を合理化し、運用ワークフローを高速化するように設計されています。 この記事のリンクは v2 を対象としており、新しい機械学習プロジェクトを開始する場合に推奨されます。
作業の開始
Azure Machine Learning では、ワークスペースは、データセット、モデル、実験など、作成したすべてのものを整理して管理する主要なリソースです。
- クイックスタート: Azure Machine Learning の利用を開始する
- ポータルまたは Python SDK (v2) を使用して Azure Machine Learning ワークスペースを管理する
- ワークスペースで Jupyter Notebook を実行する
- チュートリアル: クラウド ワークステーションでのモデル開発
モデルをデプロイする
モデルをデプロイして、待機時間の短いリアルタイムの機械学習予測を行います。
自動化された機械学習
自動 ML (AutoML) とは、反復的で時間のかかるタスクを自動化することによって機械学習モデルの開発を合理化するプロセスを指します。
- AutoML と Python を使用して回帰モデルをトレーニングする (SDK v1)
- Azure Machine Learning CLI と Python SDK (v2) を使用して表形式データの AutoML トレーニングを設定する
データ アクセス
Azure Machine Learning を使用すると、ローカル コンピューターからデータをインポートしたり、既存のクラウド ストレージ サービスに接続したりできます。
機械学習パイプライン
機械学習パイプラインを使用して、ML プロセスのさまざまなステージを接続するワークフローを構築します。