Exprerimento realizado como desafio de aprendizagem no Bootcamp Microsoft Azure AI Fundamentals da DIO seguindo a documentação oficial da Microsoft Azure Machine Learning AI900 Fundamentals nesse link.
- 1. Machine Learning Studio
- 2. Espaço de Trabalho
- 3. Automated ML
- 4. Task type & data
- 5. Deploy
- 6. Resumo
-
Primeiramente é necessário estar logado no Microsoft Azure. Se acaso ainda não tiver uma conta no Azure faça por esse link, clicando em "Experimente gratuitamente".
-
Após o Login na barra de pesquisa, localizada na parte superior da página, pesquise por "Machine Learning" e selecione esta opção ou acesse esse link.
-
Crie um novo espaço da trabalho clicando no botão "Create Workspace" em azul, localizado na parte superior direita da tela.
-
Preencha as configurações conforme a imagem abaixo.
-
Clique em "Create" e aguarde a finalização do processo.
-
Após a finalização do processo clique no seu espaço de trabalho que encontra-se na seção "Recent Workspace".
-
Após clicar em seu espaço de trabalho localize no menu latera esquerdo um a opção "Automated ML" e clique nela.
-
Em seguida Clique no botão "+ New Automated ML jobs" e será redirecionado para o ambiente "Submit an Automated ML job".
-
Preencha as configurações conforme a imagem abaixo.
-
Clique em "Next".
-
Em "Select task type" selecione "Regression".
-
Em "Select data" clique em "Create" e preencha as configurações conforme a imagem abaixo.
-
Clique em "Next".
-
Em seguida na tela de "Data source" selecione a opção "From Web Files" e clique em "Next".
-
Na tela "Web URL" insira o link - https://aka.ms/bike-rentals
-
Clique em "Next".
-
Após a validação, em na tela "Settings" preencha as configurações como a imagem abaixo.
-
Clique em "Next".
-
Na tela Schema inclua todas as opções exceto a opçãp "Path", como na imagem abaixo.
-
Clique em "Next".
-
Revise se as configurações estão como na imagem abaixo.
- Clique em "Create" e aguarde a finalização do processo e que apareça a mensagem da imagem abaixo.
-
Voltando a Tela de "Submit an Automated ML job" selecione a opção criada no passo anterior.
-
Clique em "Next".
-
Na tela Task Setttings selecione a Opção "rentals (Integer)" em "Target column".
-
Clique na opão da engrenagem logo abaixo com a inscrição "View additional configuration settings".
-
E realize a seguinte configuração.
-
Clique em "Save".
-
Expanda a seção Limits e adicione a seguinte configuração.
- Clique em "Next" e realize a configuração da imagem abaixo.
-
Clique em "Next".
-
Revise as configurações conforme a imagem abaixo.
-
Clique em "Submit training job".
-
Esta submição pode demorar de 15 a 20 min. e enquanto ela estives em execução você verá esta tela com a palavra "Running" em destaque.
- Após a conclusão aparecerá esta tela com as seguintes informações, "Completed" e "Outputs" como na imagem abaixo.
- Clique em "Outputs" >>> "Model" e será redirecionado a uma tela semelhante a imagem abaixo.
- Clique em "Created by job" e será redirecionado a uma tela semelhante a imagem abaixo.
- Clique em "Metrics" e terá uma tela com algumas informações e Dois gráficos, um residual e um Predito, que trazem a diferença entre o valor previsto e o valor real da projeção. Veja nas imagens abaixo.
-
Clique em "Overview".
-
Clique em "Deploy".
-
Selecione a opção "Web Service" no menu suspenso e preencha com as informações da imagem abaixo.
- Clique em "Deploy" e aguarde a mensagem de finalização, como na imagem a seguir.
-
No menu lateral clique em "Endpoints".
-
Clique em Tests.
-
Sobstituimos o JSON exibido pelo sugerido pela documentação, a seguir, e teremos o resultado da projeção.
- Vimos neste projeto um treinamento de modelo com base em dados históricos de aluguel de bicicletas. O modelo prevê o número de alugueis esperados em um determinado dia com base em características sazonais e meteorológicas.