Azure Machine Learning Studio を使ってモデルをスクラッチから構築してみよう | Microsoft Docs
Azure Machine Learning Studio を使ってモデルをスクラッチから構築してみよう 01/18/2017 2 minutes to read Azure Machine Learning Studio は、機械学習をこれからビジネスの現場に導入しようとする方々にとって使いやすくかつ強力な開発プラットフォームとなるだけでなく、既に機械学習システムの開発経験がある方にとっても、対話型ワークスペースによる操作で開発生産性を高めることができる優れたクラウドサービスです。 Azure Machine Learning Studio で機械学習を初めて体験された方々の中には、チュートリアルをとおして使ってみたものの、それぞれのモジュールのプロパティで何を指定しているのかもう少し深く理解して使いたい、という感想をお持ちのみなさんも多いことと思います。 ここでは簡単な機械学習データを
Azure Machine Learning の Juypter Notebook 対応 ( 後編 )
Microsoft Japan Data Platform Tech Sales Team 森本 信次 前回はサンプルデータを使ってボストンの住宅価格の予測モデルを開発しましたが、今回は実際にこのモデルを使用するための手順を見ていくことにしましょう。 Web サービスのセットアップ モデルの開発後には、そのモデルを Web サービスとしてデプロイすることで、他からそのモデルを使用できるようになります。以下では Webサービスのデプロイをサポートする 「azureml」 パッケージを Notebook 環境へインポートして、「demoservice」 という名前の Web サービスをセットアップしています。 # ワークスペースに関する情報を抽出from azureml import Workspacews = Workspace()workdspace_id = ws.workspace_i
Azure Machine Learning の Jupyter Notebook 対応 ( 前編 )
Microsoft Japan Data Platform Tech Sales Team 森本 信次 Azure Machine Learning ( 以降 Azure ML )は Microsoft が提供しているクラウドベースの機械学習サービスです。Azure ML では ブラウザーを使って様々な機械学習の手法を実行することが可能ですが、Jupyter Notebook を使用することも可能となっています。 Jupyter Notebook とは、ノートブック形式で作成したプログラムを実行し、実行結果を保持しながら、データ分析作業を進めるためのツールです。プログラムとその実行結果やその際のメモを簡単に作成、確認することができるため、自分自身の過去の作業内容の振り返りや、チームメンバーへ作業結果を共有する際に便利なほか、スクール形式での授業や研修などでの利用にも向いています。 では
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
