Разница между экспериментами с Azure ML и Azure ML

1. AML Experimentation - одно из многих наших новых предложений машинного обучения, включая подготовку данных, эксперименты, управление моделями и внедрение. Workbench - это продукт PREVIEW, который предоставляет графический интерфейс для некоторых из этих сервисов. Но это всего лишь установщик / оболочка для CLI, который необходим для запуска. Сервисы основаны на Spark и Python. Другие фреймворки Python будут работать, и вы можете немного взломать вызов Java / Scala из Python. Не совсем уверен, что вы подразумеваете под «службой машинного обучения Azure», возможно, вы имеете в виду службу ввода в действие, о которой я упоминал выше. Это позволит вам быстро создавать новые API-интерфейсы на основе Python с использованием контейнеров Docker и подключаться к учетной записи управления моделью, чтобы отслеживать взаимосвязь между вашими моделями и вашими службами. Все сервисы все еще находятся в стадии предварительной версии и могут быть изменены до выпуска GA.

2. Azure ML Studio - это более старый продукт, который, возможно, для некоторых проще (я инженер, а не специалист по данным). Он предлагает возможность перетаскивания, но ограничен по размеру данных примерно до 10 ГБ. Это продукт GA.

3. Это так, но вам нужны данные меньшего размера, а поток заданий не основан на искре. Я использую это для быстрых PoC. Кроме того, у вас будет меньше контроля над масштабируемостью вашей оценки (пакетной или в реальном времени), потому что это PaaS, по сравнению с более новой службой, которая больше IaaS. В большинстве случаев я бы порекомендовал взглянуть на новую услугу, а не на студию.

4. Веб-сервисы полностью основаны на Docker. Докер нужен для экспериментов, это больше связано с локальным запуском вещей, что я редко делаю. Но для службы реального времени все, что вы упаковываете, помещается в контейнер докеров, поэтому его можно развернуть в кластере ACS.

Я сделаю все возможное, чтобы ответить на эти вопросы, и не стесняйтесь задавать больше вопросов. :)

В чем разница между службой Azure ML Служба экспериментов Azure ML?

По сути, служба машинного обучения Azure (я могу называть это Azure ML Studio) использует интерфейс перетаскивания для построения вашего рабочего процесса и моделей тестирования. Эксперименты с использованием машинного обучения Azure - это новое предложение на портале Azure, позволяющее размещать их непосредственно в Azure и предлагать лучший способ управления вашими моделями. Эксперименты будут использовать Azure ML Workbench для построения ваших моделей.

В чем разница между рабочей средой Azure ML и Azure ML Studio?

Самая большая разница в том, что ML Studio имеет интерфейс перетаскивания для построения рабочего процесса и моделей, тогда как Workbench позволяет вам использовать Python для программного построения ваших моделей. Workbench также включает в себя действительно хороший и мощный способ очистки ваших данных из приложения. В Studio у вас есть несколько хороших модулей для очистки данных, но я не думаю, что это так мощно, как то, что вы можете сделать в Workbench.

РЕДАКТИРОВАТЬ: приложение Workbench является устарело и было заменено / обновлено до служб машинного обучения. Однако основная функциональность не изменилась.

Я хочу использовать службу экспериментов Azure ML для построения нескольких моделей и создания веб-API. Можно ли сделать то же самое с ML studio?

Я бы сказал, что в ML Studio это сделать намного проще. Интерфейс перетаскивания очень интуитивно понятен, и всего за пару щелчков мышью можно создать веб-API для вызова вашей модели. Мне кажется, что на момент написания этой статьи развернуть вашу модель сложнее, и это предполагает использование Azure CLI.

А также сервис ML Experimentation требует, чтобы у меня был установлен докер для Windows для создания веб-сервисов. Могу ли я создавать веб-сервисы без использования докера?

Здесь я не слишком хорошо знаком с Docker-частями Workbench, но я считаю, что вы можете создавать и развертывать без использования Docker. Тем не менее, я считаю, что для этого потребуется ресурс управления моделями Azure.

Я надеюсь, что это поможет, и, опять же, не стесняйтесь задавать больше вопросов.