[DAY01] Azure Machine Learning 是什麽？

Azure Machine Learning 是什麽，为什麽我们该使用它？

Azure Machine Learning（下称AML）是 Azure 上的机器学习服务，是一整套集成的平台。
你可以在这个平台上完成整个 AI 的专案，从资料的管理与清洗、到训练模型、部署模型、管理模型、重新训练与再部署、维运管理、团队协作等等，整套 MLOps 的流程，都可以在 AML 上完成。

AML 是云托管的服务，也是就是说我们不太需要去管理 infrastructure 的部份，可以专注在 AI 模型的开发。

以往我们在地端训练模型，光是买 GPU 的设备就相当的不容易，尤其是在这个大挖矿时代，GPU 设备的价格更是水涨船高，甚至有钱也不一定买得到。

但是在 AML 上，你可以随时打开 GPU 的设备，自己决定 GPU 的数量，并且只在你要 train 模型的时候收费。
就算很快就买到了 GPU 地端设备，你也要安装开发环境，光是要安装一个 CUDA ，就很有多版本的问题要解决。

然後还有 Python 环境的安装、Notebook、Tensorflow、PyTorch等等安装，都是一番功夫。
可是这些开发环境在 AML 上通通都帮你处理好了，你只要滑鼠点一点就可以产生你需要的开发环境。

地端设备还有另一个问题是，如果需要多人协作开发时怎麽办？同一台 GPU 的资源要怎麽分配给不同的工程师、以避免工程师们打架？或者是多个 AI 专案同时在进行时，GPU 又该怎麽分配？如果是使用 AML 的话，计算资源的分配就可以很好的被解决了。

以上的作法都会後续的文章中提到。

Azure Machine Learning 和 Azure Machine Learning Studio 有什麽不一样？ 

Azure Machine Learning Studio 是 Azure 上比较旧的服务，官方文件还会在後面加上个(classic)，用以和 Azure Machine Learning 做区分。

有时候也会看到 Azure Machine Learning Studio 用来指称新版的 Azure Machine Learning，坦白说会让人满容易搞混的，因此我们来看看介面的图片，就能分别出来了。

上方这个画面是Classic版的。

上方这个画面是新版的。

Azure Machine Learning Studio(classic) 在2021年的12月1号起就不能再建立新的专案，并在2024年就会停止支援了。而 classic 的图形化做 AI 的功能，在 AML 里还是有的。因此现在学习 AML 正是时候。

和 AWS Sagemaker 差别在哪里呢？ 

AWS Sagemaker 可以说是 AML 的 counterpart。大部份能在 AML 上办到的事情，在 Sagemaker 上也可以办到。
我只玩过一点点的 Sagemaker 不便评论太多，不过最大的心得在於 AML 的介面太好看太容易操作了，你可以很直观的去理解画面上的功能可以做些什麽。
毕竟微软当年会堀起，就是靠着 Windows 图形化介面起家的 XDDD。

今天基本介绍完AML是什麽，明天就开始来讲 AML Workspace 的建立啦！！