はじめまして。株式会社キカガクの小池です。
キカガクは、「AI を含めた先端技術の研修」を行っている会社です。
機械学習を学びたい
機械学習の構造を学びたい
だけど、プログラミングをしたことがない。コードを覚えるのは大変そう。
本記事はそういった機械学習初学者の方、機械学習を使用したビジネスサイドの方向けの記事になっています。
今回は Azure Machiene Lerning サービスの内の１つである Microsoft の Machiene Lerning デザイナーを使用します。
こちらはコードをかかずに機械学習モデルの構築、デプロイを行うことができる画期的なサービスです。
今回は機械学習モデルデプロイと推論について解説します！！
モデルの構築と検証については前回記事をご確認ください。
【図解】ノーコードで機械学習モデルを構築できるサービスがあるらしい！初学者向けに解説①（モデルの構築まで）
デプロイ
それではモデルのデプロイ方法のご紹介を致します。
モデル学習が完了しましたら、画像右上の推論パイプラインの作成を押してください。
次にリアルタイム推論の作成を選択してください。
ここで 2 つの選択肢があります。
リアルタイム推論はセンサーなどデータの取得と同時に推論を行うこと、
またバッチ推論はある周期などのトリガーをもとに大量のデータをまとめて推論させることを言います。
すると、このような推論のパイプライン（流れ）が自動生成されます。
一度こちらも送信を押してください。
実験に既存のものを選択肢事前に作成しました実験を選択してください。
セットアップが完了しましたら、右上のデプロイを選択してください。
デプロイに関する設定画面が表示されます。
画像のように設定をしてくだい。
名前は任意のものを記述してください。
説明はデプロイするモデルの説明です。今回は無記入で構いません。
コンピューティングの種類は Kubernetes Service のほうがセキュリティ、モデルの監視ができるのでよりニッチではありますがコストがかかります。
今回はテスト環境での使用が推奨されているコンテナインスタンスを選択していただきデプロイを押してください。
推論
デプロイが完了するとホームのエンドポイントにデプロイしたモデルが表示されます。
こちらのエンドポイントを用いてコードベースで推論を行います。
今回はコードの解説は行いませんが推論は Json 形式で行うことができます。
詳細はこちらの github をご確認ください。
こちらは、 endpoint = の後にデプロイしたモデルのエンドポイントをコピーし入力値の Data をモデルにあわせてすることで実装できます。
以上、ノーコードで機械学習モデルを構築の推論編でした。実運用を踏まえるとコードの理解が必要ですが、簡単にモデルを構築することができました。
お知らせ
動画を通じて、ディープラーニングが一から学習できる大人気コースの脱ブラックボックスが無料になりました。
手書きの数学とハンズオン形式のプログラミングによって、初学者でも安心して一から学習できます。
機械学習やディープラーニングを基礎から実践を学びたい方は、ぜひ教材の１つとしてご利用ください！
▶︎ 脱ブラックボックスコースを無料で学び始めたい方はこちら！
キカガクブログでも、情報を発信中！
キカガクブログでは、AI や Python、Azure などの技術情報を定期的に発信中です。
さまざまな情報が無料で公開されています。是非、チェックしてみてください！
▶キカガクの技術ブログ