coxfactor-Tech 블로그

Azure ML Studio 에서는 Auto ML을 제공하고 있습니다. Auto ML 이란?Machine Learning 모델 개발의 시간 소모적이고 반복적인 작업을 자동화하는 프로세스 입니다. 이를 통해 데이터 과학자, 분석가, 개발자는 모델 품질을 유지하면서도 높은 규모, 효율성 및 생산성으로 ML 모델을 구축할 수 있습니다. 1. Azure Ml Studio > 작성 > 자동화된 ML > "+ 새로운 자동화된 ML 작업" Azure Auto ML 에서 제공하는 작업 형식은 아래와 같습니다. 1. 분류 (classfication)특정 카테고리 범주 중 하나를 예측합니다. ex) Yes or No(이진 분류), 빨간색, 주황색, 노란색, 초록색 등 여러 범주(다중 클래스 분류) 2. 회귀 (Regr..

"Azure ML Datasets"란? Machine Learning 모델 학습과 실험에 사용할 데이터를 체계적으로 관리할 수 있도록 도와주는 데이터 자산입니다. "Azure Open Datasets"는 Machine Learning 솔루션에 시나리오별 기능을 추가하려 보다 정확한 모델을 만들 수 있도록 도와주는 큐레이팅된 공개 데이터 세트입니다. ex) 날씨, 인구, 휴일, 공공 안전, 위치 등 다양한 Open Datasets를 제공하며 Microsoft Azure Cloud 환경에서 바로 활용할 수 있습니다.  1. Azure ML Studio > 자산 > 데이터 > "+ 만들기"  2. 데이터 자산의 이름과 형식 설정 * Datasets 유형에 따라 선택 ex) File, Table 3. Data ..

"Azure ML(Azure Machine Learning)" 에서는 다양한 유형의 컴퓨팅 리소스를 제공하여 모델 학습, 실험 및 배포를 지원합니다. 각 리소스는 사용 목적과 환경에 따라 최적화되어 있습니다. 1. Compute Instance (개발 및 실험용 단일 VM) 데이터 탐색, 모델 실험, 개발 및 테스트를 위한 단일 가상 머신(VM) 환경입니다. Jupyter Notebook 및 Python 환경을 기본적으로 지원하여, 머신 러닝 개발자가 개별적으로 사용할 수 있는 독립적인 환경을 제공합니다. 주로 소규모 실험과 개발 용도로 적합합니다. 2. Compute Cluster (대규모 연산 및 분산 학습) 여러 개의 VM으로 구성된 클러스터이며, 사용량에 따라 자동으로 확장 및 축소(오토스케일링)..

Azure Arc에 연결된 AKS 클러스터에 "Azure Machine Learning Extension"을 설치하여 "Azure Machine Learning(Azure ML)" 의 기능을 통합적으로 사용할 수 있도록 구성할 수 있습니다. 확장 설치 후, AKS 클러스터를 Azure ML의 컴퓨팅 자원으로 등록하여 머신 러닝 모델의 학습, 배포, 파이프라인 실행 등 다양한 작업을 손쉽게 수행할 수 있습니다. - 주요 장점 -  1. 비용 절감 클라우드 전용 클러스터 대신 온프레미스 또는 하이브리드 Kubernetes 클러스터를 활용하여 추가적인 인프라 비용 절감2. 작업 간소화Azure ML 워크스페이스에서 직접 클러스터 상태와 작업을 관리하여 운영 편의성 향상3. 유연한 설정다양한 학습 작업에 맞게 ..