Criando uma Machine Learning no Microsoft Azure (AI-900)

 

Quando falamos sobre inteligência artificial, podemos destacar os seguintes itens:

• Aprendizado de máquina - muitas vezes é a base principal para um sistema de IA, sendo a maneira como "ensinamos" um modelo de computador a fazer previsões e tirar conclusões dos dados coletados.
• Detecção de anomalias - A capacidade de detectar automaticamente erros ou atividades incomuns em um sistema.
• Visão computacional - a capacidade do software de interpretar o mundo visualmente por meio de câmeras, vídeo, e imagens.
• Processamento de linguagem natural - A capacidade de um computador de interpretar a linguagem escrita ou falada e responder na mesma moeda.
• AI conversacional - A capacidade de um agente de software (geralmente referido como um bot) para participar de um conversação (de um diálogo).

Porém, este artigo trata de forma extremamente rápida e objetiva, a criação de uma Machine Learning dentro do portal do Microsoft Azure.

Recomendo fortemente o aprofundamento do conceito da inteligência artificial pelas seguintes provas de certificação:

1. O primeiro passo é fazer o logon em seu portal do Microsoft Azure e adicionar um grupo de recursos para armazenar seu laboratório de Machine Learning. A imagem abaixo demonstra a melhor forma.

a. Clique em grupo de recursos, 
b. Clique em + Adicionar,
c. Preencha os dados de seu grupo de recursos e depois em criar.

2. Para criar uma ML de forma rápida (entenda ML = Machine Learning), siga os seguintes passos:

a. Clique em + Criar um Recurso,
b. Na barra de pesquisa digite Machine Learning,
c. Selecione a opção Machine Learning no menu de contexto.

3. Você deve preencher os itens que aparecem em sua tela.

a. Assinatura: Preencha com sua assinatura (o formato de cobrança)
b. Grupo de recursos: Preencheremos com o grupo criado anteriormente
c. Nome do workspace: De um nome ao espaço de trabalho da ML
d. Região: Adicione a região em que a ML funcionará
e. Conta de armazenamento: Adicione uma conta de armazenamento - se este item ficar em branco, será criado uma conta automáticamente
f. Cofre de chaves: Adicione um cofre de chaves válido - se este item ficar em branco, será criado um automáticamente
g. Application insights: Preencha aqui um nome para sua application - se você deixar em branco, um nome será preenchido de forma automática
h. Registro de contêiner: Vamos precisar criar um contêiner para que a ML possa ser utilizada. O próximo passo mostra como podemos criar esse contêiner. 

4. Clique no criar e adicione um nome ao registro de contêiner. É importante frisar aqui que esse nome precisa ter letras minúsculas e não pode conter caracteres especiais. 

5. Você deve escolher ainda qual SKU será utilizado para seu contêiner. Existem 03 opções válidas (Básico, Standard e Premium). Em meu exemplo utilizei a Standard, mas fica a critério do seu bolso ($$$$$) escolher o SKU mais apropriado.

6. Iniciado o processo de implantação, os passos seguem conforme registrado pela imagem abaixo. É criado seu espaço de trabalho. É possível acompanhar o processo pelo ícone de alerta no canto direito superior da tela.

7. Depois de clicar no "Revisar + Criar", você recebe as informações de criação de seu Workspace (espaço de trabalho). Esse espaço de trabalho te retorna uma série de configurações, incluindo a URL da Web-do-studio e chaves relacionadas. 

8. Você pode ainda baixar o arquivo em formato JSON para trabalhar os dados em sua máquina (seu notebook). O arquivo é o Config.json. 

8. Se você utilizar a URL Web-do-studio, será encaminhado ao Microsoft Michene Learning Studio. Aqui fica extremamente fácil montar uma ML de forma rápida e intuitiva, sem precisar de conhecimentos avançados em programação.