V minulém díle jsme si představili, co to umělá inteligence je, k čemu slouží a jaké druhy existují. Teď se již podíváme na konkrétní aplikaci – Azure Machine Learning Studio.
Machine Learning Studio (MLS)
Jedná se o webovou službu / aplikaci, kterou může použít kdokoli – od úplných začátečníků, kteří díky ní mohou objevovat a učit se AI, až po odborníky, kteří ji mohou používat ve svých výzkumech, nebo programech.
Jedná se o aplikaci, kterou je možné používat zdarma v omezeném režimu, nebo si ji zakoupit. Nám bude stačit prostředí zdarma.
Přihlášení
Na webové adrese https://studio.azureml.net/ stiskneme buď „Sign up here“ (zaregistrujte se zde), pokud jste ještě nikdy MLS nepoužili, nebo „Sign in“ (přihlásit se), v opačném případě.
![](/wp-content/uploads/2020/03/image-33-1024x576.png)
Po úspěšném přihlášení se nám již rovnou zobrazí naše prostředí (tzv. Workspace) v aplikaci MLS.
Prostředí
Vpravo na obrázku je náhled sítě pro experiment, který máme vybraný v seznamu uprostřed. Naopak vlevo v menu nalezneme několik modulů, které si nyní jednotlivě představíme.
![](/wp-content/uploads/2020/03/image-34-1024x576.png)
Projects (projekty)
Projekt lze přirovnat k adresáři, je to místo, do kterého můžeme přiřazovat jednotlivé experimenty, služby, datasety a další.
Experiments (experimenty)
Výrazu experiment rozumíme, jako jedna konkrétní AI, která nám nějak data zpracovává. Jde o sekci, kterou budeme využívat nejvíce, protože zde budeme AI vytvářet, trénovat i prohlížet výsledky.
Web Services (webové služby)
Zde se budou zobrazovat webové služby, které jsme k experimentu připojili. Webová služba zajišťuje komunikaci mezi nějakou webovou stránkou nebo aplikací a námi vytvořeným experimentem.
Datasets (datasety)
Pokud si do MLS nahrajeme vlastní dataset z počítače, najdeme ho zde. Pozor, datasety importované z webových serverů přímo v experimentu zde nenajdeme.
Trained Models
Jakmile si v nějakém experimentu vytrénujeme moduly pro Machine Learning, najdeme je pro přehlednost také v této sekci.
Vytvoření experimentu
Pokud chceme vytvořit nový experiment, stačí pouze kliknout na NEW, kdekoli v celém portálu MLS. Tím se zobrazí dolní panel, ve kterém si vlevo zvolíme experiment a poté máme na výběr, zda chceme vytvořit prázdný experiment, nebo použít nějakou z připravených šablon. Pro tentokrát zvolíme první možnost – prázdný experiment.
![](/wp-content/uploads/2020/04/image-18-1024x576.png)
Tím se nám otevře okno experimentu. Celé prostředí je tzv. Drag & Drop (táhni a pusť), což znamená, že pro to, abychom dostali požadovaný blok na pracovní plochu (zvýrazněná oranžově na obrázku níže), stačí když ho myší přetáhneme z levého menu (zvýrazněno zeleně). Pokud na nějaký blok na pracovní ploše klikneme levým, stane se tzv. aktivním a vpravo (zvýrazněno modře) se objeví vlastnosti daného bloku. Spojení více bloků dohromady provedeme tak, že stiskneme levé tlačítko myši na kolečku u spodní hrany bloku a natáhneme spoj ke kolečku na horní hraně jiného bloku. Tímto vytváříme vzájemně propojenou síť, ve které volbou různých bloků určujeme, co má daná síť dělat.
![](/wp-content/uploads/2020/04/image-20-1024x576.png)
Jak je vidět na obrázku výše, ve vlastnostech bloku Enter Data Manually jsem vyplnil tato data:
id,nazev_sloupce
1,data1
2,data2
3,data3
Jde o standardní CSV formát, který si lze představit jako tabulku. Pomocí čárky oddělujeme jednotlivé sloupce a na prvním řádku je hlavička daného sloupce.
Spuštění experimentu
V případě, že máme experiment propojený a nastavený, použijeme v dolní tmavé liště tlačítko RUN, kterým necháme síť zpracovat a vyhodnotit. Postupně se nám začnou u každého bloku objevovat ikony, které signalizují různé stavy (čeká na zahájení, probíhá, úspěšně dokončeno a chyba), jak je opět vidět na obrázku níže.
![](/wp-content/uploads/2020/04/image-21-1024x576.png)
Pokud tento proces skončí bez problémů, můžeme se podívat na výsledek tím, že si pravým tlačítkem myši klikneme na daný blok, čímž otevřeme kontextovou nabídku. V tomto případě otevřeme nabídku u bloku Summarize Data a zvolíme Result dataset > Visualize.
![](/wp-content/uploads/2020/04/image-14.png)
![](/wp-content/uploads/2020/04/image-22-1024x576.png)
Závěrem
V tomto díle jsme si představili prostředí Azure Machine Learning Studia, se kterým budeme v dalších dílech již plně pracovat. Ukázali jsme si také, jak snadno můžeme vytvořit nový experiment a jakým způsobem MLS ovládat. V dalším díle se již podíváme na vzorový experiment a objevíme nové bloky.
Dobrovolný úkol
Pokud se chcete v prostředí MLS naučit pracovat lépe, můžete si vytvořit experiment podle šablony „Experiment Tutorial„, kde vás pomocník provede i dalšími bloky a nastaveními.