Llegamos a ustedes gracias a:



Noticias

Microsoft presenta nuevas incorporaciones a su oferta de Azure ML

[01/10/2018] Microsoft tiene varias nuevas incorporaciones a su oferta de Azure ML para aprendizaje automático, que incluyen una mejor integración con Python y funciones automáticas autoajustables para lograr un desarrollo de modelos más rápido.

Python es un lenguaje básico para el aprendizaje automático, gracias a su baja barrera de entrada y su amplia gama de bibliotecas de aprendizaje automático y herramientas de soporte. La oferta de Azure con Python es un nuevo SDK que permite que Azure ML se conecte al ambiente Python existente de un desarrollador.

Este SDK viene con el paquete azureml-sdk que se puede instalar utilizando el administrador de paquetes pip de Python. La mayoría de los ambientes Python, desde una instalación genérica de Python hasta las distribuciones específicas para ciencia de datos como Anaconda Python o una notebook de Jupyter, pueden conectarse a Azure ML de esta manera.

Las herramientas que se ofrecen a través del SDK incluyen la preparación de datos, el registro de los resultados de la corrida de experimentos, guardar y recuperar datos de experimentos del almacenamiento de blobs de Azure, distribuyendo automáticamente el modelo de entrenamiento en múltiples nodos, y formas para crear automáticamente diversos ambientes de ejecución para trabajos, como máquinas virtuales remotas, contenedores Docker y ambientes Anaconda.

Otra nueva característica de Azure ML soportada por el nuevo SDK de Python es el aprendizaje automático automatizado. El concepto subyacente no es nuevo, es una forma de optimización de hiperparámetros, o una forma para ajustar automáticamente los parámetros utilizados para un sistema de entrenamiento particular de aprendizaje automático para obtener mejores resultados.

Microsoft lo describe como "un sistema de recomendación para pipelines de aprendizaje automático. De forma similar a como los servicios de streaming recomiendan películas para los usuarios, el aprendizaje automático automatizado recomienda pipelines de aprendizaje automático para conjuntos de datos. Microsoft también afirma que la automatización se puede realizar sin mirar directamente los datos confidenciales y así preservar la privacidad de los usuarios.

Entre las otras nuevas características se encuentran:

  • Aprendizaje profundo distribuido para que los modelos se entrenen automáticamente en un clúster de máquinas sin tener que configurar el clúster.
  • Inferencia acelerada por hardware, que utiliza FPGAs para acelerar el servicio de inferencias de los modelos.
  • Gestión de modelos a través de CI/CD, para que los contenedores Docker se puedan utilizar para administrar modelos entrenados.