Saltar a contenido

Azure Machine Learning

Nombre del elemento: Azure Machine Learning

Categoría: Cognitive.

Descripción: Módulo de extensión avanzado para el uso de Azure Machine Learning (Azure ML), servicio basado en la nube para facilitar el desarrollo, el entrenamiento y la implementación de modelos de aprendizaje automático.

Funcionalidad: Integrarse con el modelo de aprendizaje automático Azure Machine Learning (Azure ML) creado y entrenado en Azure para aprovechar las capacidades de inferencia (interpretación) de ese modelo para usarlo en Lynn.

Pre-requisitos

  • Crear modelo de aprendizaje automático Azure Machine Learning. Para mayor información Creating a Model

  • Entrenar modelo: Para mayor información siga el tutorial de Microsoft Train a Model

  • Publicar modelo: Para mayor información: Deploy a model

Campos de configuración de acción

[Nombre]: Descriptor único de caja de configuración con fines de identificar la misma en el flujo.

[Expresión para evaluar]: Campo de tipo string expresion en la cual se debe insertar la expresión o entidad que contiene la expresión que se desea evaluar.

[REST endpoint Basic consumption info]: Campo donde debe específicarse el enpoint para la integración, este se obtiene del portal ml.azure.com (Machine Learning Studio), ubicando el modelo creado y posteriormente su endpoint. Presione la pestaña Consume y allí encontrará la URL del endpoint para la conexión.

[Authentication Primary key or Secondary key]: Campo donde debe específicarse la llave de autenticación para la integración, este se obtiene del portal ml.azure.com (Machine Learning Studio), ubicando el modelo creado y posteriormente su endpoint. Presione la pestaña Consume y allí encontrará dos llaves, use preferiblemente la primera:

[Entidad donde se va a depositar el resultado de la evaluación]: Caja de selección donde podrá indicar o crear la entidad donde se depositarán los datos de la integración.

[La intención a ejecutar en caso de error. El flujo de la acción se interrumpirá y la descripción del error se pasará a la intención seleccionada con el nombre: 'MLazureError']: Lista desplegable en donde se debe seleccionar nombre de entidad para el manejo de errores.

Ejemplo básico de Implementación Azure Machine Learning

--Contexto hipotético: Integrarse con un modelo que ayude a personalizar las recomendaciones y estrategias de marketing para clientes que ingresen a una página web. En este contexto y según el entrenamiento del modelo, el servicio espera datos de entrada y devuelve las predicciones de compra del cliente.

--Pre-requisitos:

  • Nombre del modelo de aprendizaje automático Azure Machine Learning: Web_Compras

  • Entrenar modelo: El modelo debe ser entrenado con datos como información demográfica, comportamiento de navegación, historial de compras del cliente.

  • Publicar modelo: El modelo quedará publicado como un servicio web. El nombre del endpoint sería: endpoint-online-WS-compras

--Entrada:

[Expresión para evaluar]: ID_CLIENTE

[REST endpoint Basic consumption info]: https://endpoint-online-WS-compras.inference.ml.azure.con/score

[Authentication Primary key or Secondary key]: fTY789oTfRd346oO

[Entidad donde se va a depositar el resultado de la evaluación]: RESULT_WS_COMPRAS

[La intención a ejecutar en caso de error. El flujo de la acción se interrumpirá y la descripción del error se pasará a la intención seleccionada con el nombre: 'MLazureError']: ERROR_WS

--Resultado: RESULT_WS_COMPRAS <--

    {
       "opcion_1": Producto_A,
       "opcion_2": Producto_N,
       "opcion_3": Producto_M,
       "opcion_4": Producto_C
    }