Bienvenue à Azure Machine Learning ! :)


Notre nouveau PDG Satya Nadella réaffirmait et précisait le 15 avril dernier la stratégie de Microsoft orientée vers la donnée lors de la conférence Accelerate your insights (Si vous avez manqué l’évènement, n’hésitez pas à visionner les webcasts disponibles au niveau de ce lien).

La nouvelle solution de Machine Learning Azure Machine Learning (Azure ML) disponible en préversion publique depuis le 14 juillet dernier constitue l’une des traductions concrètes de cette stratégie avec la plateforme de données Microsoft, et en soi, une vraie révolution pour rendre le Machine Learning plus accessible – aujourd’hui à chaque entreprise et, au fil du temps, à tout le monde :

  • Le Machine Learning est aujourd’hui un investissement propre à chaque entreprise au sein de ses propres locaux, nécessitant la formation et l’expertise de scientifiques des données (data scientists) avec des compétences avérées dans le développement informatique et mathématiques appliquées en particulier.
  • Le marché doit faire face à une pénurie de scientifiques des données pour accompagner les entreprises dans cette démarche.
  • Les licences de logiciels commerciaux adaptées peuvent s’avérer coûteuses et les langages de programmation populaires pour le calcul statistique imposent une courbe d’apprentissage significative.
  • Etc.

Azure ML vient briser ces barrières et met le Machine Learning à la portée potentiellement de tous ! 🙂 (De plus, si l’on souhaite tirer parti de grands volumes de données comme c’est souvent le cas, il faut faire appel à Hadoop, ce qui implique d’acheter des serveurs et de mettre en place une équipe qualifiée pour traiter les données (~1 millions d’euros d’investissement).)

Azure ML est un service entièrement géré dans le cloud pour créer des solutions d’analyse prédictive qui aident à surmonter les défis auxquels la plupart des entreprises se trouvent ainsi confrontées pour le déploiement et l’utilisation du Machine Learning.

Azure ML met en effet à disposition un service de Machine Learning complet qui tire parti de tous les avantages du cloud. En quelques heures, avec Azure ML, nos clients et partenaires peuvent ainsi construire des applications orientées données à même de prévoir et de changer les résultats futurs – une tâche qui prenait auparavant des semaines voire des mois tout en disposant des bonnes compétences…

clip_image002

Pour cela, Azure ML réunit les fonctionnalités des nouveaux outils d’analyse, les algorithmes performants développés pour les produits et services Microsoft tels que Xbox et Bing (ainsi que le support de code R personnalisé avec plus de 350 paquets R open source). Pour en arriver là, Microsoft travaille sur le Machine Learning depuis 1991, année de la création de Microsoft Research. Comme bref historique en termes de concrétisation de cet investissement, on peut ainsi souligner les jalons clé suivants :

  • Dès 1999, Microsoft se sert du Machine Learning pour aider à la création de filtres de courriels en prédisant quels courriels sont indésirables, et ceux qui au contraire sont pertinents.
  • En 2004, le Machine Learning constitue une partie du moteur de recherche de Microsoft.
  • En 2005, SQL Server permet l’exploration (data mining) des bases de données.
  • Le Machine Learning est utilisé en 2008 dans Bing Maps dans le cadre de la fonctionnalité de prévision de trafic.
  • Et beaucoup de personnes savent aujourd’hui à quel point le Machine Learning représente une technologie clé pour concrétiser Kinect en 2010, laissant aux consoles de jeux Xbox et ordinateurs suivre les gestes des personnes et trier ce qui est pertinent de ce qui ne l’est pas, comme filtrer un chien en arrière-plan pour voir les mouvements d’un joueur.
  • 2012 voit une traduction de type speech-to-speech en temps réel réalisée avec succès.

Et aujourd’hui, cette technologie qui a été développée au cours des dernières décennies devient disponible dans le cadre de la plateforme Azure. C’est cette profondeur d’expérience acquise progressivement avec le Machine Learning, les multiples tests, évolutions et optimisations que cela sous-entend au cours des années, l’utilisation du Machine Learning pour développer à peu près tous les produits et services Microsoft qui permettent de proposer avec Azure ML un service de cloud simple d’utilisation et manipulable par des personnes non spécialisées en analyse de données. Pour des analyses avancées, Azure ML booste la productivité des scientifiques de données : concevoir et déployer un modèle prend quelques jours avec Azure ML contre plusieurs semaines avec les solutions déjà existantes sur le marché.

Cela signifie la suppression de pratiquement tous les coûts de démarrage associés à la création, au développement et à la mise à l’échelle de solutions de Machine Learning.

Un simple compte Microsoft Account suffit à créer son espace de travail dans Azure en quelques minutes pour pouvoir ensuite passer à des expérimentations. Au sein d’une expérimentation, l’importation et le traitement des données exploite toute la puissance de calcul et de stockage du cloud. Nous allons y revenir dans les billets suivants.

Toujours dans le cadre d’une expérimentation, les workflows visuels et les modèles de démarrage ont la capacité de rendre les tâches courantes d’apprentissage automatique simples et faciles.

image

clip_image004[6]

Chaque scientifique de données dispose de son propre espace de travail en ligne, associé à son identifiant Microsoft Account, où sont stockées les modèles. Il est possible de collaborer en partageant de manière efficace et sécurisée son espace de travail en un clic.

Un modèle peut-être mis en production en quelques minutes sous forme de service Web REST, c.à.d. une API REST hébergée dans le cloud et prête à être invoquée. Partager ses modèles à travers le monde devient facile et réalisable en un seul clic, et ce depuis n’importe quel endroit du monde, compatible avec toutes les plateformes. A ce propos, le portail Azure permet de surveiller en temps réel la consommation CPU des espaces de travail et des services Web REST. Lorsqu’un nouveau service Web est publié, une alerte est envoyée afin de prédire au mieux son impact sur la consommation.

La possibilité de collaborer avec d’autres et de publier des services Web REST en quelques minutes rendent possible la transformation rapide des actifs analytiques en services de cloud de production de niveau entreprise. Ainsi, nos clients et partenaires seront en mesure de créer des solutions entièrement nouvelles qui rassemblent les « insights » Big Data, l’Internet des choses (Internet of things ou IoT) et l’analyse prédictive.

Nous aurons très prochainement l’occasion d’aborder tout cela dans le détail 😉 "Stay tuned" comme on dit.

Dans l’intervalle, n’hésitez pas à lire également l’excellente introduction à Azure ML disponible ici, à visionner les différents tutoriels disponibles sur le site Azure ML, à consulter le Centre de documentation Azure ML, à visiter le blog du groupe produit sur le Machine Learning (en anglais) pour en savoir plus et obtenir des mises à jour sur Azure ML.

Comments (0)

Skip to main content