Azure Machine Learning Studio で基本パイプラインを構築する

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

前提知識: Azure Portal の基本操作、教師あり学習(回帰)の概念、決定木モデルの基本理解。

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。