Chap.O 基础 & 简介：

Prat1. Azure Machine Learning

什麽是 Azure Machine Learning?

Azure Machine Learning 是建立在云端上，专门用於负载机器学习庞大计算量的一个平台。

其图中流程大为以下：

1. Compute：在云端上建立一个计算用虚拟机。
2. Data Storage & connectivity： 资料存储与连结虚拟机。
3. ML workflow orchestration：就是先前提过的机器学习 10 步骤。
4. Model registration & management：将开发完成的模型注册以便从开发端连接到上线机台。
5. Metrics & Monitoring：模型上线後的运行流量、效能评估与监控...等。
6. Model deployment：将注册完成後的模型部属到上线机台。

1-1. Machine Learning Context

1. Data

A. Storage 资料存储

1. Storage：存储服务。
2. Data Lake Store：对特定行业（网购、监控等）大数据，提供「待分析的原始资料」的暂存服务。
3. SQL Database：提供存储 SQL 资料服务。
4. Cosmos DB：提供存储 no-SQL（半结构性）资料服务。

B. Transfer and Transform 转移与转换

将原始数据 ETL 到储存体的服务。

1. Azure Data Factory：提供完全受控的无服务器资料整合服务。
2. Azure HDInsight：提供开放原始码分析服务，如 Hadoop、Apache Spark、R 等。
3. Azure Databricks：提供资料进行最佳化的分析平台。

2. Azure Machine Learning

1. Data Scientist：对数据做初期分析、删减、递补、训练模型。
2. App Developer：建立模型、开发应用程序。
3. Software Engineer/Operator：依照服务部属模型、编排 ML 的执行及整合其排程。

3. ML-Powered Apps

A. Apps services

将开发完成的应用程序部属到服务器的服务。

B. Container Deployment

部属并控管容器的服务。

1-2. Machine Learning Operationalizatoin (ML Ops)

基於 DevOps 将 ML 的流程（资料分析到产出模型）产线化，从而加快开发速度。

1. Infrastructure-as-code 和配置管理
2. 版本控制与追踪
3. 持续集成 (Continuous integration, CI) 和持续交付 (Continuous delivery, CD)
4. 持续监控

1-3. Access Control Permissions

1. 用户登录 Azure Active Directory (AAD) 并获取 token.
2. Token 会授予 Azure ML workspace 的访问权限.
3. 用 RBAC 来管控访问资源的权限
4. 透过 SSH ，可对计算资源权限做选择性的开放
5. 部署服务端点的访问权限，可使用密钥 (key) 或 token-based

1-4. Machine Learning Designer