Azure Machine Learning Studio’ya Giriş #01

Bu yazımla birlikte, MSHOWTO platformu üzerinden sizlerle İş Zekâsı Çözümleri, Veri Ambarı Tasarımı ve Makine Öğrenmesi başlıkları altında içerikler paylaşıyor olacağım. İlk yazımın konusu, Microsoft’un makine öğrenmesi platformu olan Microsoft Azure Machine Learning Studio olacak.

Öncelikle sizlere bu platformun ne işe yaradığından bahsetmek istiyorum. Günümüzde, yüksek miktarda veriye sahip olmak, bu verinin analiz edilmesi konusundaki güçlükleri de beraberinde getirmektedir. Elimizdeki verileri belirli bir düzene sokmak, anlamlandırmak ve analiz etmek için makine öğrenmesi teknolojilerine ihtiyaç duyarız. Ancak makine öğrenmesi çalışmaları yüksek donanım kaynağı (CPU, GPU) gerektirdiğinden dolayı, günlük kullandığımız bilgisayarlarımızda bu çalışmaları yapmak bir hayli uzun sürecektir. Çeşitli firmaların geliştirdiği bulut servisleri bu noktada devreye girerek, ihtiyaç duyduğumuz donanım kaynağına erişmemizi sağlamaktadır.

Microsoft Azure Machine Learning Studio Nedir?

Microsoft Azure Machine Learning Studio’da bu bulut servislerinden bir tanesidir. Herhangi bir kurulum gerektirmeden, tarayıcınız üzerinden ulaşabileceğiniz bu platformda, elinizdeki veri setleri üzerinde istediğiniz düzenlemeleri yaparak, makine öğrenmesi algoritmaları aracılığı ile çeşitli analizler yapabilirsiniz. Tüm bunları yaparken, herhangi bir programlama bilgisine ihtiyaç duymadan, sürükle, bırak yöntemi ile istediğiniz makine öğrenmesi modelini oluşturabilir ve onu test edebilirsiniz.

Platformun kullanım detaylarına girmeden önce ufak bir ayrıntı hakkında sizleri bilgilendirmek istiyorum. Microsoft’un makine öğrenmesi alanında geliştirdiği ve kullanıma sunduğu iki farklı platform bulunmaktadır. Bunlardan birincisine https://studio.azureml.net/ adresi üzerinden ulaşılır ve Microsoft bu platformu Azure Machine Learning Studio olarak tanımlar. İkinci seçeneğe ise https://ml.azure.com/ adresi üzerinden ulaşılır ve Microsoft bu platformunu Azure Machine Learning olarak tanımlar.

Bu platformlar arasındaki en önemli fark, Azure Machine Learning platformunu kullanabilmek için mutlaka Azure hesabınız olması gerekmektedir. Azure Machine Learning Studio’yu ise Azure hesabına ihtiyaç duymadan herhangi bir Microsoft hesabı ile kullanabilirsiniz.

Sonraki yazılarımda, bu iki farklı yapıyı detaylı şekilde karşılaştıracağız, benzer ve farklı yönlerini inceleyeceğiz. Azure teknolojilerini yeni yeni tanımaya başlayan okurlarımız için bu ufak ayrımı yapmak, şimdilik yeterli olacaktır. Bizim bu yazımızdaki odağımız, Azure hesabı olmadan da kullanılabilen Azure Machine Learning Studio‘ olacak. Hadi hep beraber bu platformu detaylı bir şekilde inceleyelim.

İlk olarak, tarayıcınız üzerinden https://studio.azureml.net/ adresine giriş yaptığınızda sizi aşağıdaki gibi bir ekran karşılayacaktır. (Resim-1)

Resim-1

Azure Machine Learning Studio, bulut tabanlı bir çalışma ortamı olduğu için, farklı kullanım seçeneklerine sahiptir. Buradaki seçeneklerden;

Misafir Çalışma Ortamı: 8 saatlik bir deneme hesabı, kısıtlı özellikler ile platformu denemenize olanak sağlar.

Ücretsiz Çalışma Alanı: Bulut ortamında size 10 GB‘lık bir depolama alanı sağlanır. Ek olarak bu seçenekte Python ve R kodlarınızı makine öğrenmesi akışlarınıza entegre edebilme özelliği yer almaktadır.

Standart Çalışma Alanı: Aylık 10 dolardan başlayan seçenekler ile daha fazla depolama alanı ve işlemci gücüne sahip olabilirsiniz.

Bu platformu ilk kez kullanacak okurlarımız için, Ücretsiz Çalışma Alanı yeterli olacaktır. Herhangi bir Microsoft hesabı ile oturum açarak, çalışma ortamına erişebilirsiniz. Size uygun olan çalışma ortamı seçtikten sonra aşağıdaki ekran ile karşılaşacaksınız. (Resim-2)

Resim-2

Karşınıza çıkan pencerede hızlı tur seçeneği ile, platforma hızlıca göz atabilirsiniz. İster turu tamamladıktan sonra, isterseniz direkt olarak pencereyi kapatarak, platformu ufak ufak tanımaya başlayabiliriz. Pencereyi kapattıktan sonra karşınıza gelen ekranda 6 seçenekli bir menü yer alıyor. Bu menüdeki seçenekleri sırasıyla açıklayacak olursak;

Projects: Çok sayıda çalışma alanı ve veri seti gerektiren durumlarda, bir proje oluşturarak, kullanacağınız tüm bileşenleri bir arada saklayabilirsiniz. Yeni bir proje oluşturma ve oluşturduğunuz projeleri yönetme işlemlerini bu sayfa aracılığı ile yapabilirsiniz.

Experiments: Uçtan uca, makine öğrenmesi süreçlerini tasarlayacağımız kısım burası. Her bir deney (Experiments) yeni bir akış şeması demek. Burada oluşturacağınız her bir akış şemasını, dileğiniz bir projeye dahil edebilirsiniz.

Web Services: Çalışmalarınıza dahil etmek istediğiniz web servisleri bu ekrandan kontrol edebilirsiniz.

Datasets: Çalışmalarınızda kullanmak istediğiniz tüm veri setlerini bu ekrandan ekleyebilir ve yönetebilirsiniz.

Tranied Models: Akış şemalarınız içerisinde, eğittiğiniz modelleri “Eğitilmiş Model” olarak kaydederseniz, daha sonraki projelerde kullanmak üzere bu ekranda görebilirsiniz.

Settings: Oluşturduğunuz hesabınızla ilgili değişiklikleri bu menüden yapabilirsiniz.

Menüleri kısaca tanıdıktan sonra, detaylı olarak proje nasıl oluşturulur, bir proje içerisine veri setleri ve deneyler nasıl eklenir, hep beraber görelim.

Microsoft Azure Machine Learning Studio’da Proje Oluşturma

Projects ekranına girdikten sonra, ekranın alt kısmında yer alan artı butonuna basarak yeni bir proje oluşturmaya başlayabiliriz. Karşınıza gelen ekranda sırasıyla projenin adını ve açıklamasını girebilirsiniz. Projeyi oluşturduktan sonra, otomatik olarak projenin detay sayfasına yönlendirileceksiniz. Bu sayfada yer alan “Add Assets” butonuna tıkladıktan sonra, karşınıza çıkan pencerede, Azure Machine Learning Studio platformu üzerinde sahip olduğunuz herhangi bir bileşeni, oluşturduğunuz bu projeye ekleyebilirsiniz. (Resim-3)

Burada yer alan seçeneklerden herhangi birini seçtiğinizde, eğer o seçenek altında herhangi bir bileşen mevcutsa ilgili seçeneği projeye aktarabilmeniz için taşıma butonları aktif hale geliyor. Ancak seçtiğiniz seçenek altında herhangi bir bileşen yer almıyor ise, taşıma butonları aktif hale gelmeyecektir. Örnek olarak, platform üzerine daha önceden yüklediğiniz veri setlerinin olduğunu kabul edelim, bu durumda, veri setleri (Datasets) seçeneğini seçtiğinizde, iki pencere arasında yer alan taşıma butonları aktif olacaktır. (Resim-3).

Resim-3

Bu butona basarak, daha önce eklediğiniz veri setlerini proje dahil edebilirsiniz. Ancak hali hazırda bir veri setiniz bulunmuyor ise, veri setleri (Datasets) seçeneğini seçmenize rağmen, taşıma butonları aktif olmayacaktır. Bu durum, platforma yeni alışan kullanıcılar için bir hata gibi yorumlandığından, detaylıca aktarmak istedim. Veri setlerinde olduğu gibi, daha önce oluşturduğunuz deneyleri de (Experiments) projeye dahil edebilirsiniz. Proje oluşturma ve bileşenleri projeye ekleme işlemlerini gördüğümüze göre, artık projenin temel bileşenlerini oluşturmaya geçebiliriz.

Bir makine öğrenmesi projesinin tüm akış şemasının oluşturulduğu, deney (Experiments) oluşturma aşamasına geçmek için, ekranın solunda yer alan menüden, Experiments seçeneğine tıklayalım. Karşımıza çıkan sayfanın, en altında yer alan artı butonuna bastıktan sonra açılan pencerede ister hazır bir taslak seçerek ister boş bir taslak seçerek, ilk akış şemanızı oluşturabilirsiniz. Sıfırdan başlayan arkadaşlar için bu aşamada boş bir taslak seçmek daha sağlıklı olacaktır. (Resim-4)

Resim-4

Seçiminizi yaptıktan sonra, deney (Experiments) olarak adlandırılan, makine öğrenmesi süreçlerinin uçtan uca tasarlandığı ve test edildiği ortama ulaşmış oluyoruz. (Resim-5)

Resim-5

Microsoft Azure Machine Learning Studio’da Experiments Oluşturma

Ekranın solunda yer alan menüde, projelerimizde kullanacağımız bileşenler yer almakta. Burada benzer işlemleri yapan bileşenlerin aynı grup altında yer aldığını görebilirsiniz. Örnek olarak; veri seti üzerinde yapılabilecek dönüşüm işlemleri için, Data Format Conversions başlığı altında farklı dönüşüm bileşenleri yer almaktadır. Bu bileşenleri, sürekle bırak yöntemi ile kullanarak, istediğiniz akışı oluşturabilirsiniz.

Büyük ve karmaşık projelerde, geliştiricilere yardımcı olması açısından, akış şemasının sol alt köşesinde küçük bir harita görüntüsü yer almaktadır. Oluşturduğunuz tüm akışı, kuş bakışı bir şekilde burada görebilirsiniz. Harita penceresinin hemen altında yer alan seçenekler ile, tüm ekranı kaplama, yakınlaştırma ve uzaklaştırma gibi işlemleri yönetebilirsiniz.

Ekranın en altında yer alan menüde ise, yeni bir deney (Experiments) oluşturma, mevcut deneyi kaydetme, çalıştırma gibi seçenekler yer alıyor. Ekranın sağ tarafına baktığımızda ise, iki sekmeli bir pencere görüyorsunuz. Birinci sekmede oluşturduğumuz deney ile ilgili özet ve açıklama girilebilecek alanlar yer alıyor. İkinci sekmede ise, bu deneyin bağlı olduğu projeyi görebiliyorsunuz. Bir deneyi oluşturduktan sonra, herhangi bir projeye eklemek için o projenin detay sayfasına gidip, “Add Assets” butonuna basarak Resim-3′ deki gibi ekleyebilirsiniz.

Yukarıdaki işlemlerle beraber, Azure Machine Learning Studio platformuna ilk adımı atmış ve çalışma ortamını tanımış olduk. Bu yazımı burada noktalıyorum. Bir sonraki yazımda, Azure Machine Learning Studio ile ilk makine öğrenmesi projemizi geliştireceğiz.

Bu konuyla ilgili sorularınızı alt kısımda bulunan yorumlar alanını kullanarak sorabilirsiniz.

Referanslar

www.mshowto.org

TAGs: microsoft, azure, machinelearningstudio, datascience, machinelearning, trainmodel, python.