Azure ML Studioについて

Azure ML StudioとはMicrosoft社の提供するGUIで機械学習のモデル構築、テスト、Webアプリケーションへのデプロイを行えるサービスです。クラウド上にデータをアップロードし、すでにML Studio側で用意されているアルゴリズを使用、もしくは自前で構築し、解析を行い、完成したモデルを簡単に公開できます。

ML Studioでは、プロジェクトという大きな枠組みの元に、機械学習モデルのサービスを展開する上で必要な要素を管理しています。

プロジェクトの下には、実験、データセット、ノートブック、学習済みモデル、Webサービスという単位で管理をしています。

実験：こちらで機械学習モデルの構築を行います。GUIによってデータセットと解析手法を選択（自作の前処理のコードを作成）し、モデルを構築し、それを保存します。

データセット：すでにML Studioにはサンプルのデータセットを用意してありますが、こちらにご自身のデータをアップロードします。

ノートブック：データセットに特別な処理を施したい場合、その処理をPythonで書いたコードを用意することで、実験で利用することが可能になります。

学習済みモデル：実験で作成したモデルのうち、運用へ回すモデルをこちらに保存しておきます。

Webサービス：学習済みモデルを実運用へ移行し、Webサービスとして展開する際にこちらから作成します。あくまでこのWebサービスはAPIとしての昨日のみです。Webアプリケーションとして実装する際には新たにWebサイトを作成し、APIを叩いて予測結果を取得するという流れになります。

Azure ML Studioがフィットする領域は、簡単な機械学習モデルを適応できるサービスだと思います。すでにベストな手法を認識している場合ですと、

しかし今後はAzure ML Serviceが主体的になります。こちらはAzureにおける様々な機能を搭載しており、Azure ML Studioと比べるなら、GPUインスタンスを利用できる点が優れていると言えるでしょう。またその、分散処理を行えます。やはり機械学習でボトルネックとなるのはハイパーパラメータのチューニングですよね。これは機械学習の中級者になればぶち当たる壁でして、何をどう変化させたら良いのかなかなかあたりを見つけづらいかと思います。これをAutoMLと言うモジュールを利用することで、簡単に求める精度の学習器を自動で探索し作成してくれます。

こちらについて今後話せたらなと思います。