TEBUS HOKI! BELI 1 GRATIS 1
Belajar Data 6 BULAN GRATIS 6 BULAN hanya Rp180K!

0 Hari 3 Jam 34 Menit 50 Detik

Ketahui Komponen Utama Azure Machine Learning

Belajar Data Science di Rumah 02-Februari-2023
https://dqlab.id/files/dqlab/cache/471154ba0a52db0d332535b29e1fe5f3_x_Thumbnail800.jpeg

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.

Machine Learning

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.


Machine Learning


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.


Machine Learning


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. 


Machine Learning


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

Mulai Karier
sebagai Praktisi Data
Bersama DQLab

Daftar sekarang dan ambil langkah pertamamu untuk mengenal Data Science.

Buat Akun Gratis Dengan :

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/8be7fae4b69abead22aa9296bcab7b4b.jpg Sign-Up dengan Google

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/d0aa879292fb427c0978d2a12b416e98.jpg Sign-Up dengan Facebook

Atau Buat Dengan :