Magnus Reimann

Im ersten Teil dieser Serie wurde gezeigt wie mit Hilfe von AzureML Modelle zur Vorhersageanalyse erstellt werden können. In diesem zweiten Teil wird das bereits erzeugte Modell um einen Web Service erweitert, so dass auch externe Anwendungen auf diesen Dienst zugreifen können.

 

Update: Da sich AzureML derzeit noch in einem Vorschau-Status befindet, können derzeit Experimente ohne Abonnement und ohne Angabe von Kreditkarteninformationen erstellt werden. Ein Microsoft-Konto ist vollkommen ausreichend (Stand: 21.11.2014).

 

Im Folgenden wird das bestehende Experiment erweitert. Hier ist der bisherige Stand dargestellt:

clip_image002

Definieren Sie zunächst die Eingangs- und Ausgangsports, die als Schnittstelle für den Web Service dienen. Dies geschieht jeweils durch einen Rechtsklick und „Set as Publish Input/Output“:

clip_image004

clip_image006

Starten Sie anschließend das Experiment neu und veröffentlichen Sie es – zunächst nur in MLStudio – über „Publish Web Service“:

clip_image007

Um den Web Service zu testen, gehen Sie auf die Web Services-Kategorie und klicken dort auf Test:

clip_image009

clip_image011

In dem sich nun öffnenden Formular können Sie den Dienst mit Testdaten überprüfen:

clip_image013clip_image015clip_image017

Das Ergebnis erscheint in der unteren Leiste:

clip_image019

Nach dem erfolgreichen Test ist es an der Zeit, den Web Service produktiv zu setzen. Dies geschieht mit dem unten dargestellten Schalter, der eine Benachrichtigung an den zugeordneten IT Administrator schickt.

clip_image021

clip_image022

Erst nach Bestätigung der Bereitstellungsbenachrichtigung ist der Dienst von außen zugänglich.

Dieser Web Service kann nun über Anwendungen konsumiert werden, die ihn für Vorhersagen und Bewertungen nutzen können und somit von den Vorzügen des Maschinellen Lernens in der Cloud profitieren. Beispielhaft ist an dieser Stelle ein Zugriff über Python dargestellt:

clip_image024

Weitere Informationen zu der API, mit der man z.B. auch in C# auf den Web Service zugreifen kann, finden sich auf der Hilfe-Seite „API help page“ (s. Abb. oben).