Head First Machine Learning

기계 학습(ML)을 이용할 기회가 늘어났습니다. 그러나 머신러닝(ML) 미경험자나 초학자의 분들에게 갑자기 코드를 작성하여 머신러닝(ML) 모델을 구축하는 것은 매우 난이도가 높습니다. 그래서 이번에는 기계 학습(ML) 미경험자나 초학자의 사람이 노코드로 기계 학습(ML) 모델을 구축하고 실행할 수 있는 방법에 대해 소개합니다.

거친 흐름



거친 흐름은 다음과 같습니다.
  • 환경 구축
  • Azure 무료 계정 만들기
  • Azure Machine Learning 만들기
  • Azure Machine Learning Studio 만들기 및 시작

  • 기계 학습 (ML)
  • 자동 ML (Auto ML) 수행


  • 환경 구축



    Azure 무료 계정 만들기



    다음을 방문하여 Azure 무료 계정을 만드세요.

    Azure 포털

    Azure Machine Learning 만들기


  • 다음 순서로 메뉴를 누릅니다. [Machine Learning] -> [Azure Machine Learning 만들기]


  • 다음 항목을 적절하게 입력하십시오.
    구독: 선택
    리소스 그룹: 선택
    장소 : 동일본

  • 위의 입력 후 [확인 및 작성] 버튼을 누르면 확인이 이루어지고 유효성 검사에 성공하면 [만들기]를 누릅니다. 그러면 배포가 시작됩니다
  • .
  • 배포가 완료되면 리소스로 이동을 누릅니다
  • .

    Machine Learning Studio 만들기 및 시작


  • 지금 시작을 누릅니다.

  • 새 작업 공간 만들기를 누릅니다.

  • 다음 항목을 적절하게 입력하십시오.
    구독: 선택
    리소스 그룹: 선택
    작업공간 이름: 선택
    리전: 동일본

  • 위의 입력 후 [확인 및 작성] 버튼을 누르면 확인이 이루어지고 유효성 검사에 성공하면 [만들기]를 누릅니다. 그러면 배포가 시작됩니다
  • .
  • 배포가 완료된 후 1. 지금 시작을 다시 누릅니다
  • .

    기계 학습 (ML)



    자동 ML(Auto ML) 수행


  • 자동 ML 아래에서 지금 시작을 누릅니다.

  • 새 자동 ML 실행을 누릅니다.

  • 데이터 세트 선택에서 데이터 세트 작성은 선택 사항을 표시합니다. 기계 학습 (ML)에 사용할 로컬 파일을 업로드합니다.

  • 데이터 집합을 만들었으면 실행을 구성합니다. 실험 이름, 대상 열 및 컴퓨팅 클러스터를 선택합니다.
  • 마지막으로 작업 분류를 선택합니다.
    분류 : 사과 애플, 빨강, 파랑 또는 노랑과 같이 분류 (분류) 할 때 선택합니다.
    회귀 : 가격과 같은 연속 숫자를 예측할 때 선택합니다.
    시계열 예측 : 기온과 같은 시계열을 기반으로 예측할 때 선택합니다
  • 위의 선택 후 종료를 누르면 자동 ML (Auto ML)이 실행되고 잠시 기다리면 결과가 표시됩니다
  • 좋은 웹페이지 즐겨찾기