ラボ概要
シナリオ: あなたは Avendador 社の Machine Learning Operations Engineer です。Avendador はメキシコ料理レストランに関するデータと顧客の好みのデータを保有しており、データサイエンティストと協力して特徴量を選定しアルゴリズムを選びました。彼らはこのデータから相関を見つけるため、機械学習パイプラインを構築してほしいと考えています。
学習目標:
- Azure ML Workspace で Compute Instance を起動する
- Designer の Classic Prebuilt パイプラインで Sample datasets を取り込む
- 列選択・結合・欠損値補完・データ分割を視覚的に構成する
- Pearson 相関による特徴量選択 + Boosted Decision Tree Regression を構成する
- パイプラインを実行し、Score Model と Evaluate Model で予測精度を評価する
- パイプラインを Published Pipeline として公開する
完了条件: Designer 上で完成したパイプラインが Submit でエラーなく実行され、Evaluate Model の Coefficient_of_Determination が確認できる状態。最後に Publish でパイプラインが公開済みになっていること。
ラボの構成
- 1Azure Portal にサインインして ML Workspace を開く
- 2Compute Instance を作成する
- 3Designer で新規パイプラインを作成する
- 4Sample データセットの取り込みと列選択
- 5Join Data と Clean Missing Data でデータを変換する
- 6データ分割と Filter Based Feature Selection を構成する
- 7Boosted Decision Tree Regression を構成する
- 8Train Model と Score Model、Evaluate Model を組み立てる
- 9パイプラインを実行して結果を評価する
- 10パイプラインを公開する
詳細な手順は、ラボ開始後に画面内のガイドとして表示されます。
構成図
