企业官网建设流程全解析

Data-Science-For-Beginners 课程实践：在 Azure ML 上以 Low code/No code 方式完成"训练—部署—消费"全流程项目

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners

导读

本文基于 Data-Science-For-Beginners 开源课程第五章（Data Science in the Cloud）第 18 课的课后作业任务展开，讲解如何在不编写训练代码的前提下，仅通过 Azure Machine Learning Studio 的图形界面，完成一个完整的机器学习项目：寻找并上传数据集、用 AutoML 自动训练模型、检查模型解释、将最佳模型部署为 Web 服务，并通过 REST 端点消费模型返回预测结果。读完本文，你将掌握一套可复制的 Low code/No code 数据科学项目工作流，并理解作业评分标准中各项要求的实际落地点。

该课程的英文原版作业位于 5-Data-Science-In-Cloud/18-Low-Code/assignment.md，配套课程正文位于 5-Data-Science-In-Cloud/18-Low-Code/README.md，法文翻译版作业即本文对应文档：translations/fr/5-Data-Science-In-Cloud/18-Low-Code/assignment.md。

一、作业目标：复现课程中的端到端项目

课程正文（README）以"心力衰竭预测（Heart Failure Prediction）"为示例项目，演示了两种构建数据科学项目的方式：Low code/No code 方式（纯图形界面操作）与Azure ML SDK 方式（编写 Python 代码），整体流程如下：

两种方式的定位差异决定了各自的适用场景，也直接影响你在作业中的做法：

Low code/No code 方式的优势在于无需任何编码知识即可通过 GUI 快速验证项目可行性、产出概念验证（POC）；而当项目规模扩大、需要生产化时，GUI 无法高效管理资源，就需要通过 SDK 以编程方式自动化一切——从资源创建到模型部署。这一点也是课程第 19 课（5-Data-Science-In-Cloud/19-Azure/README.md）中 SDK 方式所要解决的问题。

本次作业（assignment）要求你不要使用课程自带的示例数据集，而是自主完成以下闭环：寻找可用于训练的数据 → 在 Azure ML 上用 AutoML 训练模型 → 部署最佳模型 → 成功消费（调用）该模型。官方建议的数据来源包括 Kaggle 与 Azure Open Datasets。

二、作业评分标准逐项拆解

作业原文提供了一张三级评分表（Rubric），它是检验你是否完成作业的硬性标准：

从评分表可以提炼出四个关键技术动作，本文后续章节将逐一展开：

1. 特征类型修改：数据上传后，在 Schema 阶段将分类特征显式改为布尔（Boolean）类型；
2. 数据清洗：根据数据质量按需处理缺失值、异常值等；
3. 模型解释（Explanations）：训练完成后查看 AutoML 生成的模型解释，理解特征对预测结果的影响；
4. 部署与消费：将最佳模型部署为实时端点，并通过 REST 请求消费获得预测。

三、准备工作：理解工作区与算力资源

在开始作业前，需要先建立 Azure ML 的基础设施认知。Azure ML 工作区（Workspace）是 Azure Machine Learning 的顶层资源，集中管理训练运行历史（日志、指标、输出、脚本快照），这些信息正是判断"哪个训练运行产生了最佳模型"的依据。

成本提醒：只要工作区存在于订阅中，就会为数据存储产生小额费用；完成作业后请记得删除不再使用的资源。

3.1 创建 Azure ML 工作区

1. 使用 Azure 订阅对应的 Microsoft 凭据登录 Azure 门户；
2. 选择＋Create a resource，搜索并选择 Machine Learning，点击创建；
3. 填写配置：订阅、资源组、唯一的工作区名称、就近的区域；存储账户、Key Vault、Application Insights 会默认新建；Container registry 选择 None（首次部署模型到容器时会自动创建）；
4. 等待工作区创建完成（约几分钟），在门户中进入工作区概览页，启动 Azure Machine Learning Studio（或直接访问 https://ml.azure.com），用 Microsoft 账户登录并选择你的目录、订阅与工作区；
5. 在 Studio 左上角通过 ☰ 图标展开各管理页面。

3.2 计算资源：为 AutoML 准备计算集群

计算资源是运行模型训练与数据探索的云资源，共四种类型：

• 计算实例（Compute Instances）：数据科学家的开发工作站（虚拟机 + Notebook 实例）；
• 计算集群（Compute Clusters）：可按需伸缩的 VM 集群，用于执行实验代码，训练模型必需；
• 推理集群（Inference Clusters）：面向预测服务的部署目标；
• 附加计算（Attached Compute）：关联现有 Azure 计算资源（VM、Databricks 集群等）。

创建计算资源时四个关键决策直接影响成本与训练速度：

• CPU 还是 GPU：CPU 串行能力强、价格低，但并发有限；GPU 擅长并行计算，是深度学习的首选，代价是更贵；
• 集群大小：大集群响应更快但更贵——时间多预算少选小集群，反之选大集群；
• VM 大小：RAM、磁盘、核心数与时钟频率越高性能越好，成本也越高；
• 专用实例还是低优先级实例：低优先级实例可被 Azure 回收（可中断），更便宜；专用实例不可中断，任务不会未经许可被终止。

本作业建议创建计算集群：在 Studio 中点击Compute → Compute cluster → ＋New，选择 Dedicated/Low priority、CPU/GPU、VM 大小与核心数（本项目可保留默认），命名集群，设置最小/最大节点数、缩容空闲秒数与 SSH 访问。最小节点数为 0 可让空闲集群零成本，最大节点数建议不超过 3（节点越多训练越快）。

四、核心步骤一：上传数据集并修正特征类型

课程示例使用 Kaggle 公开的 Heart Failure 数据集——一个 13 列（12 个特征 + 1 个目标变量）、299 行的表格数据。作业要求你寻找自己的数据集，但上传流程完全一致：

1. 在 Azure ML 工作区左侧菜单点击Datasets → ＋Create dataset，选择From local files，选中本地下载的数据文件；
2. 为数据集命名、选择类型、填写描述，上传文件；
3. 在 Schema 阶段按需修改特征类型。课程示例将anaemia、diabetes、high_blood_pressure、sex、smoking、DEATH_EVENT显式改为 Boolean 类型——这就是评分表中"修改特征类型"的落地点：正确的类型标注能帮助 AutoML 选择更合适的算法与预处理方式。

以课程的心力衰竭数据为例，其字段构成可供你在自选数据集时参考（注意DEATH_EVENT是目标变量）：

五、核心步骤二：用 AutoML 训练模型并检查模型解释

AutoML（自动机器学习）将传统模型开发中耗时、重复的迭代过程自动化——传统方式需要大量领域知识去训练和比较几十个模型，而 AutoML 让数据科学家、分析师和开发者以更高的规模、效率与生产力构建模型，同时保持模型质量。

在 Studio 中完成训练：

1. 左侧菜单点击Automated ML，选择刚上传的数据集，点击 Next；
2. 输入新的实验名称、指定目标列（课程示例为DEATH_EVENT）、选择已创建的计算集群；
3. 根据任务类型选择Classification（如果是预测连续数值则选 Regression，时间序列则选 Time series forecasting），点击 Finish。训练时长约 30 分钟到 1 小时，取决于计算集群大小；
4. 运行完成后进入Automated ML标签页，点击你的运行，在Best model summary卡片中查看 AutoML 选出的最佳算法。

在最佳模型详情页中，可以查看 AutoML 生成的最佳模型的详细描述，也可在 Models 标签页探索其余被比较的模型。务必花时间点击 Explanations（预览）查看模型解释——这是评分表"出色"等级的关键分项，它揭示了各特征对预测结果的贡献程度，也是作业后续 Challenge 环节（"为什么最佳模型优于其他模型？比较了哪些算法？"）的分析素材。

六、核心步骤三：部署最佳模型为 Web 服务

部署是把模型集成到业务系统中、使其能对新数据做出预测的关键环节。对于心力衰竭项目，部署为 Web 服务意味着医疗应用可以调用模型，对患者的心脏病发作风险进行实时预测。

1. 在最佳模型描述页点击Deploy按钮；
2. 填写名称与描述，计算类型选择Azure Container Instance（ACI），启用认证（Enable authentication），点击 Deploy。部署过程约需 20 分钟，包含注册模型、生成资源、为 Web 服务配置等步骤；
3. 部署状态显示在Deploy status下，可定期点击 Refresh 刷新，状态变为Healthy即表示部署成功；
4. 部署完成后切换到Endpoint标签页，点击刚部署的端点，可查看端点的全部细节。

注意：启用认证后，调用端点时需要携带 API Key；这也是消费脚本中api_key变量的来源。

七、核心步骤四：通过 REST 端点消费模型

在端点的Consume标签页中，可以找到 REST 端点地址以及一份可直接在本地机器运行的 Python 消费脚本。脚本的关键是这两行：

url = 'http://98e3715f-xxxx-xxxx-xxxx-9ec22d57b796.centralus.azurecontainer.io/score' api_key = '' # Replace this with the API key for the web service

• url：Consume 标签页中展示的 REST 端点地址；
• api_key：启用认证后，在 Consume 标签页中获取的主密钥（Primary Key）。

7.1 首次运行：理解默认输出

直接运行脚本（脚本内自动生成的样本数据全部为 0 或 false）会得到如下输出：

b'"{\\"result\\": [true]}"'

true表示对当前输入预测为"发生心力衰竭"，这是因为默认样本数据的特征值都指向风险状态。你可以把数据替换为更贴近真实临床场景的输入：

data = { "data": [ { 'age': "0", 'anaemia': "false", 'creatinine_phosphokinase': "0", 'diabetes': "false", 'ejection_fraction': "0", 'high_blood_pressure': "false", 'platelets': "0", 'serum_creatinine': "0", 'serum_sodium': "0", 'sex': "false", 'smoking': "false", 'time': "0", }, { 'age': "60", 'anaemia': "false", 'creatinine_phosphokinase': "500", 'diabetes': "false", 'ejection_fraction': "38", 'high_blood_pressure': "false", 'platelets': "260000", 'serum_creatinine': "1.40", 'serum_sodium': "137", 'sex': "false", 'smoking': "false", 'time': "130", }, ], }

再次运行，脚本应返回：

b'"{\\"result\\": [true, false]}"'

即第一个高风险样本预测为true（发生心力衰竭）、第二个相对健康的样本预测为false。至此，你已完成"训练 → 部署 → 消费"的完整闭环。

八、收尾与进阶思考

• 清理资源：项目结束后，务必删除工作区及相关资源，避免持续产生存储与计算费用。
• Challenge 思考题：深入查看 AutoML 为前列模型生成的解释与详情，尝试回答——AutoML 比较了哪些算法？它们之间的差异是什么？为什么在这个数据集上最佳模型表现更好？这类分析正是评分表"检查模型解释"的延伸。
• 后续学习路径：本课程对应的 SDK 版本位于 5-Data-Science-In-Cloud/19-Azure/，内含可运行的 notebook.ipynb 与 solution，可用于对比"图形界面方式"与"代码方式"在资源创建、训练、部署全流程上的差异；更完整的云端数据科学背景可回顾 5-Data-Science-In-Cloud/17-Introduction/README.md。

通过本作业，你将直观体会到 Low code/No code 方式"快且易上手"的优势，同时建立起对 AutoML、模型注册、端点部署与 REST 调用等概念的具体认知，为后续转向 Azure ML SDK 的工程化实践打下基础。

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners