Skip to main content

Azure Machine Learning (Azure ML): Hướng dẫn Toàn diện

1. Giới thiệu​

Azure ML là nền tảng đám mây giúp các Data Scientist và ML Engineer xây dựng, huấn luyện, và triển khai các mô hình học máy. Nó cung cấp môi trường làm việc cộng tác (Collaborative) và quản lý toàn bộ vòng đời của Model.

2. Các cách sử dụng (Từ dễ đến khó)​

A. Automated ML (AutoML) - Dành cho người không chuyên​

Bạn có dữ liệu (VD: File Excel lịch sử bán hàng). Bạn muốn dự đoán doanh số tháng sau.

  • Bạn upload file lên.
  • Bạn chọn cột cần dự đoán ("Doanh số").
  • Azure tự làm hết: Nó tự chạy thử hàng chục thuật toán khác nhau, tự tinh chỉnh tham số.
  • Kết quả: Nó trả về Model tốt nhất.

B. Designer - Dành cho người thích kéo thả​

Giao diện trực quan. Bạn kéo các khối (Block) và nối dây lại với nhau.

  • Khối "Import Data" -> Khối "Clean Data" -> Khối "Train Model" -> Khối "Score Model".
  • Không cần viết code.

C. Notebooks - Dành cho Pro (Code-first)​

Môi trường Jupyter Notebook tích hợp sẵn.

  • Viết code Python/R.
  • Sử dụng các thư viện quen thuộc (Scikit-learn, TensorFlow, PyTorch).
  • Tận dụng sức mạnh tính toán của Azure (Compute Cluster) để train model lớn.

3. MLOps (DevOps for ML)​

Làm sao để đưa Model từ máy của Data Scientist lên Production một cách an toàn?

  1. Train: Data Scientist commit code lên Git.
  2. CI Pipeline: Azure ML tự động chạy training job trên cluster mạnh.
  3. Register: Nếu model đạt độ chính xác cao, nó được đăng ký vào Model Registry (Kho chứa Model).
  4. CD Pipeline: Tự động đóng gói Model vào Docker Container và deploy lên AKS hoặc Managed Endpoint để phục vụ người dùng.