Moderní obchodní aplikace spojují mnoho oblastí vývoje. Jste bezpochyby nejznámější n-úrovňové aplikace, vycházející z desetiletí programovacích dovedností a technik, propojení uživatelského rozhraní s kódem a daty. Jsou známé a snadno srozumitelné. Ale to se všechno změní, když začnete přidávat nové technologie a přístupy a budovat masivně škálovatelné distribuované výpočetní platformy, které využívají výhody velkého množství dat a strojového učení.
Velká část moderního strojového učení staví na používání analytických nástrojů k prozkoumání dat a vývoji pravidel pro zobrazování statisticky významných odlehlých hodnot. Ačkoli specializované neuronové sítě zvládají složité rozpoznávání řeči a obrazu, většina problémů nevyžaduje zvlášť složité modely - zvláště pokud používáte prediktivní algoritmy na datových tocích ze senzorů nebo jiného IoT hardwaru. Přesto je důležité vyzkoušet nové algoritmy na datech sféry, než je implementujete.
Představujeme notebooky Azure
Zvládnutí strojového učení může být obtížné. Je těžké vizualizovat data ve větším měřítku a stále těžší pochopit, jak mohou analýzy řídit strojové učení. To je místo, kde přicházejí notebooky Azure, které vám poskytnou místo k prozkoumání analytiky pomocí známých jazyků na hřišti, kde si můžete vyzkoušet kód a vizualizace, sdílet výsledky s kolegy a přidávat popisný text kolem kódu a výsledky pro prezentace pro správu a váš tým .
Azure Notebooks je implementace široce používaného open-source Jupyter Notebook. Díky podpoře více než 40 různých jazyků mohou notebooky Jupyter běžet lokálně i v cloudu a kód, který je vyvinut v Azure, můžete přenést do soukromého notebooku Jupyter, připraveného pro místní sdílení - nebo pokud potřebujete pracovat s cloudovým kódem V letadle.
Vše, co potřebujete, je účet Microsoft a moderní webový prohlížeč, veřejné notebooky však přihlášení nepotřebují. Jakmile si nastavíte účet, můžete vytvářet a ukládat nové notebooky nebo klonovat existující pro vlastní experimenty. K dispozici je podpora pro osobní i pracovní účty, takže můžete pracovat s notebooky Azure jako vývojový nástroj pro vyzkoušení nápadů ve vašem vlastním čase nebo sdílet kód a dokumentaci jako součást vývojového týmu.
Hřiště pro analytiku a strojové učení
Základní technologie jsou známé: Můžete přidat obsah kolem hřišť spustitelných kódů pomocí Markdown k formátování textu. Azure Notebooks automaticky přidává uživatelské rozhraní do vašich fragmentů kódu a pro výsledky mapování můžete použít některý z výběru vizualizačních nástrojů. Data lze nahrávat a stahovat z místních počítačů, takže můžete vzít soubory, které jste používali s analytikou aplikace Excel, a používat je v Azure Notebooks, což vám umožní porovnat výsledky a pomocí nástrojů business intelligence připravit data před jejich použitím.
Importujete online data pomocí Curl nebo Wget pomocí kódu Pythonu v notebooku nebo z okna terminálu integrovaného v notebooku. K dispozici je také integrace s Dropboxem, takže můžete sdílet soubory s kolegy nebo je použít k zajištění, že vždy pracujete s nejnovější verzí souboru.
Ačkoli Microsoft poskytuje většinu nástrojů, které budete potřebovat, může skutečně podporovat pouze analytické operace pro obecné účely s nástroji, jako jsou rozšíření Python's Anaconda data science. Pokud potřebujete specializované knihovny, například ke zpracování konkrétní matematické operace nebo operace strojového učení, nebo pokud chcete použít nástroj, který se ve vaší organizaci běžně používá, můžete pomocí terminálu notebooku nainstalovat kód od správců balíků specifických pro daný jazyk.
Vytváření knihoven z poznámkových bloků
Skupiny notebooků se ukládají jako knihovny s řídicím panelem, který vám pomůže spravovat a ovládat vaše knihovny. Stejně jako sdílení jednotlivých poznámkových bloků, notebooky Azure umožňují spolupracovníkům a spolupracovníkům kontrolovaný přístup k celým knihovnám a také široce otevřený přístup ke všem knihovnám, které zveřejníte.
Veřejné knihovny nejsou jediným způsobem, jak přenést kód do notebooků Azure; můžete také importovat z repozitářů GitHub. Pokud uložíte knihovnu do GitHubu, proč ostatním nezjednodušíte používání vašeho kódu přidáním odznaku GitHub do souboru readme, který automaticky naklonuje a spustí uložené notebooky?
Pokud najdete veřejný notebook Azure, se kterým chcete pracovat, stačí udělat jeho klon. Možná zkoumá algoritmus strojového učení prediktivní údržby, který by mohl dobře fungovat s vašimi senzory IoT, takže do klonu přidejte své vlastní vizualizace a data a upravte jakýkoli kód. Pokud to funguje, můžete implementovat algoritmus nebo derivaci do vaší aplikace. Pomocí poznámkového bloku Azure jako jakéhokoli kódu můžete prozkoumat, jak různé algoritmy ovlivňují váš kód, aniž byste museli sestavit celou aplikaci do testovacího prostředí.
Učte se, vyzkoušejte a učte se znovu
Azure Notebooks není úplná implementace notebooků Jupyter, ale podmnožina, kterou společnost Microsoft nabízí, je přizpůsobena nástrojům v analytických a strojových učení platformy Azure. Je také aktuálně zdarma, i když existují určitá omezení paměti a úložiště: Můžete použít pouze 4 GB paměti na uživatele s 1 GB uložených dat. Microsoft také přidává na seznam povolených externí zdroje dat, a přestože reaguje na požadavky uživatelů, nemusíte mít přístup k datům třetích stran, která chcete použít, takže můžete raději vytvářet a nahrávat jakékoli výpisy, které potřebujete.
Jedno důležité využití notebooků Azure je jako tréninková platforma. Můžete jej použít k zahájení učení různých verzí Pythonu (což je způsob, jakým je používám, protože jsem si uvědomil, že mám v jazykových znalostech velkou díru ve tvaru Pythonu), R nebo dokonce F # . Společnost Microsoft poskytuje knihovnu notebooků, které vám pomohou naučit se další nástroje, včetně používání Pythonu s jeho rámcem hlubokého učení CNTK a vytváření a školení modelů Azure ML.
Hraní v karanténě je dobrý způsob, jak se naučit nové techniky, zejména pomocí strojového učení a dalších analytických technik. Ale Azure Notebooks má také integrované nástroje pro prezentaci, takže pokud jste přišli s něčím, co by mohlo v projektu fungovat, přidejte do poznámkového bloku poznámkový kód v Markdownu a sdílejte ho s kolegy.
Díky tomu, že se notebooky Azure stanou součástí vašeho vývojového procesu, bude vývoj více spolupracovat, což vám umožní vyzkoušet si kód a získat komentáře před tím, než se použije ve vašem každodenním vývojovém prostředí.
