이 기사는 Microsoft Azure Tech Advent Calendar 2018의 8 일째 기사입니다.
(정확하게는, 그 후 쫓아 투고하고 있습니다.이 계절, 컨디션 관리에는 충분히 주의가 필요하네요・・・.)

작년에는 Workbench에 대해 썼습니다. 지원 종료이 발표되었습니다. 또한 며칠 전에 Azure Machine Learning Service 일반 제공 시작이 발표되었습니다. (Azure 업데이트 알림도 일본어 번역판을 제공합니다)

그래서 이번에는 새로워진 Azure Machine Learning Services를 자쿠리로 바라보고 튜토리얼 입구까지 도착해 보고 싶습니다.

새로워진 서비스 내용

구성 컴포넌트

일반 제공을 시작하기 전에 일부 서비스를 Azure 리소스로 만들었지만 일반 제공을 시작한 후에는 다음과 같은 Azure 리소스가 만들어집니다.

Machine Learning 서비스 작업 공간
오브젝트를 관리하기 위한 작업 공간입니다.

Storage 계정
작업 공간의 오브젝트를 축적합니다.

KeyVault
데이터 및 개체를 보호하는 데 사용됩니다.

Application Insight
작성한 예측 모델을 모니터링하는 데 사용합니다.

컨테이너 레지스트리
학습, 추론의 각 컨테이너 이미지를 배포하는 데 사용됩니다.

개발 프로세스

일반적인 기계 학습 모델의 개발 과정을 답습하고 있습니다.

Python으로 모델을 만드는 스크립트를 개발합니다.

스크립트가 작동하는 계산 환경을 설정합니다.

스크립트를 실행합니다. 실행 결과는 '실험(Experiment)'으로 기록됩니다.

실행 결과를 분석하여 예상대로 모델을 만들 수 있는지 확인합니다.

모델을 모델 레지스트리에 등록합니다.

평가용 스크립트를 개발합니다.

컨테이너 배포를 위한 이미지를 등록합니다.

이미지를 웹 서비스로 배포합니다.

튜토리얼까지의 길

작업 공간 배포

Azure 포털에서 작업 공간을 만듭니다. 이 기사를 게시할 때 동서의 일본 지역은 포함되어 있지 않습니다.

작업 공간에 액세스

포털에서 리소스에 액세스합니다. Machine Learning 서비스 작업 공간 개요 탭에서 작업 공간 탐색을 선택합니다.

샘플 코드를 GitHub에서 가져오기

처음으로 작업 공간을 열면 Azure Notebooks 열기 버튼이 표시됩니다. 이 버튼을 클릭하면 튜토리얼이 포함된 샘플 코드를 게시된 GitHub에서 Clone을 가져옵니다.



Clone을 취하는 흐름으로서,

Azure Notebook에 액세스
Azure Machine Learning과 연결되도록 작업 공간에 액세스 권한이 있는 사용자로 액세스합니다.

Azure Notebook에서 Clone 원본을 지정합니다.

Clone 실행

됩니다.

이 기사는 여기까지 유지하고 싶습니다.
(계속은 모두・・・)