機械学習:Azureの新しい機械学習サービスのプレビュー
先月、新しいMicrosoft Azure Machine Learningのパブリックプレビューを配信しました。これは、アプリケーションやシステムにより膨大なデータ量に対する組織での理解を大幅に向上させる画期的なサービスです。Azure機械学習(Azure ML)は、完全に管理されたクラウドサービスなので、インストールするソフトウェアも管理するハードウェアもなく、OSのバージョンや開発環境に取り組む必要もありません。ブラウザさえあれば、データ科学者は、Azureにログインして、どこからでも、どのデバイスからでも、機械学習モデルの開発を開始することができます。
MLスタジオ(機械学習のための統合開発環境)により、簡単なパラダイムのドラッグ、ドロップ、接続により、シンプルなデータフローグラフが設定できます。データ科学者は、それを使用することで、多くの一般的なタスクをプログラミングしなくてすむため、実験の設計およびその反復に集中できるようになります。独自のRコードに対するサポートとして、Microsoft Researchが開発した最高のアルゴリズムコレクションがビルトインされており、350以上のオープンソースRパッケージも、Azure ML内で安全に使用することができます。
Azure MLにより、クラウドでスケールに応じた本番展開を簡単に作成できます。事前訓練された機械学習モデルを、スコアリングワークフローに組み込むことができ、数回クリックするだけで、新しくクラウドがホストするREST APIを作成することができます。
Azure MLは、起業したばかりの企業も大企業も利用しやすい機械学習の可能性を大きく高めます。起業したばかりの企業は、今すぐ自分達のアプリケーションに機械学習を適用することができ、大企業は、収益や効率性を大幅に高めるために、ビッグデータにある潜在的価値を引き出し利用することができます。なにより、現在可能な反復および実験の速度が急速な革新を可能にし、クラウドに接続されたすべてのデバイスのインテリジェンスに対して道を開くでしょう。
はじめるために
Azure Machine Learning Serviceを開始するのは簡単です。現在のAzureポータル内で、New->Data Services->Machine Learningを選択して、最初のMLサービスを作るだけです。
Azureマシン学習サービスについての詳細は、Machine Learningチームブログをご確認ください。また、Azure Machine Learningドキュメントセンターのビデオやチュートリアルを見ていただくとすぐに始めていただけると思います。
イベントハブ:新しいAzure Event Ingestion Serviceのプレビュー
現在接続されている世界は、ビッグデータにより定義されています。例えば、接続された車やサーモスタットが毎分生成するテレメトリデータや、アプリケーションのパフォーマンスカウンターが毎秒生成するイベントや、モバイルアプリが各ユーザーの個々のアクションに対して収集しているテレメトリなどが、ビッグデータの元になっています。接続デバイスの急速な普及は、関連するプラットフォームやプロトコルが多様であるため、色んな課題を発生させます。集約ストリームのスケールを処理しながら、これらの異なるデータソースを接続することは、1つの大きな課題です。
イベントハブという重要な新しいAzureサービスのパブリックプレビューが発表でき、うれしく思います。イベントハブは、接続された数百万ものデバイスから1秒あたり数百万ものイベントが処理できる弾力性のある非常にスケーラブルなPub-Sub Ingestor機能です。そのため、接続されたデバイスやアプリケーションによって生成される大量なデータを処理および分析することができるのです。この新しいサービスにより、さまざまなプロトコルに渡るさまざまなソースからのイベントを安全に処理できる容量を簡単に確保する方法が提供されます。イベントハブは、デバイスごとにイベントの順序を維持しながら下流処理層の並列性とスケールを有効にするため、さまざまなパーティショニングモードをサポートしています。
イベントハブの作成
New->App Services->Service Bus->Event Hubをクリックすれば、Azure管理ポータルからイベントハブの新しいインスタンスを簡単に作成することができます。プレビュー時は、イベントハブサービスの利用可能な地域(米国東側2、西ヨーロッパ、東南アジア)は限定されており、新しいService Bus名前空間を最初に作成する必要があります。
詳細について
新しいイベントハブサービスを試して、フィードバックしてください!詳細については、以下のリンクを参照してください。