Ketahui Komponen Utama Azure Machine Learning
Azure machine learning merupakan produk dari Microsoft yang sangat fleksibel dalam pengaplikasian machine learning. Cloud service serbaguna dan praktis yang dimiliki oleh Azure machine learning menjadi salah satu opsi yang digunakan perusahaan dalam menunjang keperluan analisis data. Jangan khawatir, aplikasi Microsoft Azure juga mampu menampung ribuan file dan menjadi sebuah senjata untuk mengamankan data-data yang mereka miliki. Para user aplikasi ini dapat memilih untuk mengembangkan dan menskalakan aplikasi baru maupun menjalankan aplikasi yang ada di cloud publik dari Microsoft Azure.
Platform ini memiliki tujuan untuk membantu bisnis mengelola tantangan dan memenuhi tujuan dari perusahaan mereka. Maka dari itu aplikasi ini menawarkan beberapa macam tools yang dapat mendukung kepentingan semua sektor industri salah satunya seperti e-commerce, hingga keuangan.
Tools dan layanannya pun ditawarkan dengan kompatibel dengan seluruh jenis teknologi open source dan library Python seperti scikit-learn, tensorFlow, Spark ML dan lain-lain. Namun, sahabat DQ perlu tahu nih, kalau azure machine learning juga memiliki komponen dalam menerapkan model dalam skala cloud. Ada empat komponen azure yang akan kita bahas dalam artikel kali ini. Apa saja itu?
1. Azure Machine Learning Workbench
Komponen pertama dalam Microsoft Azure adalah Azure Machine Learning Workbench. Komponen ini berisi aplikasi desktop dan tools baris perintah. Didukung dan sangat kompatibel pada Windows dan macOS, praktisi data dapat mengelola machine learning melalui seluruh siklus yang ada. Mulai dari persiapan data, pengembangan model dan manajemen eksperimen, dan penyebaran model di berbagai lingkungan target.
Berikut adalah fungsionalitas inti yang ditawarkan oleh Azure Machine Learning Workbench:
Alat penyiapan data yang dapat mempelajari logika transformasi data melalui contoh.
Abstraksi sumber data dapat diakses melalui kode UX dan Python.
Python SDK untuk menjalankan paket persiapan data yang dibuat secara visual.
Layanan Notebook Jupyter bawaan dan klien UX.
Pemantauan dan pengelolaan eksperimen melalui tampilan riwayat proses.
Kontrol akses berbasis peran yang memungkinkan berbagi dan kolaborasi melalui Azure Active Directory.
Snapshot proyek otomatis untuk setiap proses, dan kontrol versi eksplisit diaktifkan oleh integrasi Git asli.
Integrasi dengan IDE Python populer
Baca juga : Yuk Kenali Macam-Macam Algoritma Machine Learning!
2. Azure Machine Learning Experimentation Service
Layanan Eksperimen menangani pelaksanaan eksperimen machine learning. Hal ini juga mendukung Workbench dengan menyediakan manajemen proyek, integrasi Git, kontrol akses, roaming, dan berbagi.
Melalui konfigurasi yang mudah, Anda dapat menjalankan eksperimen di berbagai opsi lingkungan komputasi:
Asli lokal
Kontainer Docker lokal
Kontainer Docker pada VM jarak jauh
Skalakan klaster Spark di Azure
Layanan Eksperimen membangun lingkungan virtual untuk memastikan bahwa skrip Anda dapat dijalankan secara terpisah dengan hasil yang dapat direproduksi. Ini merekam informasi riwayat berjalan dan menyajikan sejarah kepada Anda secara visual. Anda dapat dengan mudah memilih model terbaik dari percobaan yang berjalan
3. Azure Machine Learning Model Management Service
Layanan Manajemen Model memungkinkan ilmuwan data dan tim pengembang untuk menyebarkan model prediktif ke berbagai lingkungan. Versi dan silsilah model dilacak dari pelatihan yang dijalankan hingga penerapan. Model disimpan, didaftarkan, dan dikelola di cloud.
Menggunakan perintah CLI sederhana, Anda dapat mengemas model Anda, mencetak skrip dan dependensi ke dalam image Docker. Gambar-gambar ini terdaftar di registri Docker Anda sendiri yang dihosting di Azure (Azure Container Registry). Mereka dapat dikerahkan dengan andal ke target berikut:
Mesin lokal
Server lokal
Cloud
perangkat tepi IoT
Kubernetes yang berjalan di Azure Container Service (ACS) digunakan untuk penyebaran skala cloud. Telemetri eksekusi model ditangkap di AppInsights untuk analisis visual.
Baca juga : Kenali Algoritma Klasifikasi Machine Learning Terpopuler di Tahun 2021
4. MML Spark
MMLSpark (Machine Learning Library Microsoft untuk Apache Spark) adalah paket Spark sumber terbuka yang menyediakan alat pembelajaran mendalam dan ilmu data untuk Apache Spark. Ini mengintegrasikan Spark Machine Learning Pipelines dengan Microsoft Cognitive Toolkit dan pustaka OpenCV . Ini memungkinkan Anda untuk dengan cepat membuat model analitik dan prediktif yang sangat terukur dan kuat untuk kumpulan data gambar dan teks yang besar.
Beberapa sorotan meliputi:
Menyerap gambar dengan mudah dari HDFS ke dalam Spark DataFrame
Pra-proses data gambar menggunakan transformasi dari OpenCV
Menampilkan gambar menggunakan jaring saraf dalam pra-pelatihan menggunakan Microsoft Cognitive Toolkit
Gunakan LSTM dua arah terlatih dari Keras untuk ekstraksi entitas medis
Latih model klasifikasi gambar berbasis DNN pada VM GPU Seri-N di Azure
Menampilkan data teks bentuk bebas menggunakan API yang nyaman di atas primitif di SparkML melalui transformator tunggal
Latih model klasifikasi dan regresi dengan mudah melalui fitur implisit data
Hitung banyak metrik evaluasi termasuk metrik per instans
Nah, jadi gimana sahabat DQ? Kamu jadi lebih tahu kan bagaimana cara kerja azure machine learning dan apa saja komponen-komponen yang disediakan. Sekarang kamu nggak perlu khawatir jika kamu belum memiliki pengalaman tentang machine learning sebelumnya, kamu tetap bisa mengasah pemahaman mendasar kamu tentang machine learning.
Kamu bisa bergabung dalam modul DQLab yang berjudul “Basic Feature Discovering for Machine Learning” Caranya gimana? Mudah banget kok cukup signup sekarang ke DQLab.id lalu pilih menu learn. Setelah itu kamu sudah bisa menikmati pembelajaran yang praktis dan aplikatif dan jago machine learning bersama DQLab! Tunggu apa lagi? Yuk, signup sekarang dan mulai belajar Module Premium di DQLab!
Penulis: Reyvan Maulid