AI開発に必要となる高性能なコンピューティングリソースも提供されているため、企業はハードウエアの導入コストを抑えて、AIサービスのスモールスタートを実現できます。
クラウドでのAI開発には、大きく2つの選択肢があります。
コードを利用してインフラ管理を自動化する「IaC（Infrastructure as Code）」を実践できます。
IoT分野での異常検知ではリアルタイムな分析が求められるため、Azure Cognitive Servicesのコンテナが活用されることになるでしょう。
Azure MLはAI開発のステップに対応した機能を提供していると前述しましたが、やはり中核となるのは機械学習モデルの構築です。
その一方で、クラウド独自の機能が少なく、クラウドならではのメリットはあまり感じられません。
3つ目のタスクの設定では、データセットの中のどの値を推論対象とするか、推論したい値の特性は「分類」「回帰」「時系列予測」といったカテゴリのうちどれに当てはまるか、ということを選択します。
詳しい知識がなくても機械学習モデルを作成できる点は魅力的ですが、自動化されている部分で何が実行されているかを分からないままにしておくと、「精度が出ない」といった壁に当たったときに対処できません。
一般に精度の良いモデルを作成するには、アルゴリズムを選んで、ハイパーパラメーターを調整しながら何度も学習を繰り返す必要があります。
3.の学習済みモデルの精度検証では、出来上がったモデルが学習用データに対して「過学習」を起こしていないかを確認するため、学習に用いていないデータを使って検証します。
機械学習のフローを作り、その実行を自動化することにより、DevOpsの手法を応用して、本番導入後も機械学習モデルを継続的に改良する「MLOps」を実現できます。
Azure ADを用いてリソースへのアクセスを制御
機械学習モデルの学習をするだけなら、オンプレミスのサーバーとクラウドで大きな差はありません。
https://active.nikkeibp.co.jp/atcl/act/19/00310/102100016/
![[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]](https://hbb.afl.rakuten.co.jp/hgb/16a20268.565e3fd9.16a20269.f13ada55/?me_id=1213310&item_id=19376813&pc=https%3A%2F%2Fthumbnail.image.rakuten.co.jp%2F%400_mall%2Fbook%2Fcabinet%2F3851%2F9784822253851.jpg%3F_ex%3D240x240&s=240x240&t=picttext "[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]")
Azureテクノロジ入門 2019 （マイクロソフト関連書） [ 佐藤 直生 ]
価格：2750円（税込、送料無料)
(2022/11/18時点)
【このカテゴリーの最新記事】
-
- no image
- no image
- no image
- no image
