Subido porEduardo Castro
Creando tu primer ambiente de AI en Azure ML y SQL Server
Este documento proporciona una introducción a cómo crear el primer entorno de inteligencia artificial en Azure. Explica brevemente los beneficios de la inteligencia artificial y el aprendizaje automático para los negocios. Luego describe algunos de los servicios principales de Azure que pueden usarse para analizar datos, desarrollar modelos de aprendizaje automático y implementar soluciones de IA, como Azure Machine Learning, Databricks y HDInsight.
Más contenido relacionado
Similar a Creando tu primer ambiente de AI en Azure ML y SQL Server
Creando tu primer ambiente de AI en Azure ML y SQL Server
- 1. Creando tu primerambiente de AI en Azure Ing. Eduardo Castro, PhD
- 2.
- 3.
- 6. * Harvard BusinessReview (2019), Comprender por qué las estrategias analíticas se quedan cortas para algunos, pero no para otros Analytics & AI es la inversión n. ° 1 para los líderes empresariales, sin embargo, luchan por maximizar el ROI 80% están luchando para convertirse en usuarios maduros de datos * 55% existen silos de datos y las dificultades de gestión de datos como obstáculos * ?
- 7. Manténgase al frentede la curva con Inteligencia Artificial Aplicaciones de negocios Aplicaciones personaliza das Sensores Y Dispositivos Personas Automatizado Sistemas Datos Inteligencia Plataforma de Inteligencia Artificial Acción Aplicaciones
- 8. Modelos analíticos Preparación y entrenamiento Databricks HDInsight DataLake Analytics Aplicaciones pesonalizadas Blobs Data Lake Carga de datos Almacenamiento Data Factory (Data movement, pipelines & orchestration) Machine Learning Cosmos DB SQL Data Warehouse Analysis Services Sensores y dispositivos Event Hub IoT Hub SQL Database Dashboards analíticos Aplicaciones predictivas Reportes operacionales Inteligencia para la transformación digital Análisis de datos en Azure Aplicaciones de negocio 10 01 SQL Kafka
- 9. Aprendizaje automático enAzure Modelos preentrenados específicos de dominio Para reducir el tiempo de desarrollo Azure Databricks Machine Learning VMs Frameworks Populares Para crear soluciones de aprendizaje automático y aprendizaje profundo TensorFlow PyTorch ONNX Azure Machine Learning Language Speech … Search Vision Servicios Productivos Para potenciar a los equipos de desarrollo y ciencia de datos Hardware potente Para acelerar el aprendizaje profundo Scikit-Learn PyCharm Jupyter Herramientas de ciencia de datos familiares Para simplificar el desarrollo de modelos Visual Studio Code Command line CPU GPU FPGA
- 10.
- 11. Azure Machine LearningService Set of Azure Cloud Services Python SDK ✓ Preparar datos ✓ Crear modelos ✓ Entrenar modelos ✓ Administrar modelos ✓ Experimentos de seguimiento ✓ Implementar modelos Eso le permite:
- 12. Herramientas de MachineLearning de Microsoft 12
- 13.
- 14.
- 15.
- 16.
- 17. Azure Machine LearningService Conjunto de servicios en la nube de Azure Python SDK ✓ Preparar datos ✓ Crear modelos ✓ Entrenar modelos ✓ ✓ Administrar modelos ✓ Experimentos de seguimiento ✓ Implementar modelos That enables you to:
- 18.
- 19. Capacitación distribuida sobreproceso administrado Gather results Secure Access Scale resources Schedule jobs Dependencies and Containers Provision VM clusters Distribute data Handling failures
- 20. Poderosa Infraestructura •Acelerar elaprendizaje profundo • Aprendizaje automático de propósito general Serie D, F, L, M, H CPUs Optimized for flexibility Optimized for performance GPUs FPGAs Aprendizaje profundo Serie N Aprendizaje profundo acelerado por hardware especializado Proyecto Brainwave Compatibilidad con escenarios de clasificación y reconocimiento de imágenes ResNet 50, ResNet 152, VGG-16, SSD-VGG, DenseNet-121 NUEVAS ACTUALIZACIONES DE FPGA:
- 21. Azure Machine LearningPipelines
- 22. Azure Machine LearningPipelines Preparar datos Construir y entrenar modelos Implementar y predecir Data storage locations Data ingestion Data Preparation Model building & training Model deployment Normalization Transformation Validation Featurization Hyper-parameter tuning Automatic model selection Model testing Model validation Deployment Batch scoring
- 23. Data storage locations Data ingestion DataPreparation Model building & training Model deployment Normalization Transformation Validation Featurization Hyper-parameter tuning Automatic model selection Model testing Model validation Deployment Batch scoring Normalization Transformation Validation Featurization Hyper-parameter tuning Automatic model selection Model testing Testing error Azure Machine Learning Pipelines Preparar datos Construir y entrenar modelos Implementar y predecir
- 24. Data storage locations Data ingestion DataPreparation Model building & training Model deployment Normalization Transformation Validation Featurization Hyper-parameter tuning Automatic model selection Model testing Model validation Deployment Batch scoring Normalization Transformation Validation Featurization Hyper-parameter tuning Automatic model selection Model testing Testing error Model testing Model validation Deployment Batch scoring Error resolved Azure Machine Learning Pipelines Preparar datos Construir y entrenar modelos Implementar y predecir
- 25.