Azure 机器学习与 H2O.ai 的新集成

在当今复杂的云环境中，公司使用来自多个来源的技术是很常见的。云计算平台通常是企业IT环境的基础，由独立软件供应商和满足业务和工业垂直需求的产品补充。通过 H2O.ai 和 Azure 机器学习之间的集成，我们使客户能够使用类似 SaaS 的工具实现模型创建民主化，并选择符合其企业要求的部署技术。

使用 H2O.ai 的 AzureML 集成，H2O.ai 中构建的模型现在显示为 AzureML 工作区中的已部署模型。这意味着任何用户或产品现在都可以通过简单的 API 调用利用 AzureML 中托管的 H2O.ai 模型的推理终结点。这使得组织模型的采用更加容易，允许用户访问整个企业 IT 环境中的模型，而无需更改现有的部署策略。

“H2O与Azure的集成提供了一种创新的方法，将模型 作为 Azure服务交付，从而提高了Momentum Financial Services Group的模型采用 率。例如，80%的信用检查现在使用H2O模型进行审查，每天的请求超过6K”。  

- Nima Norouzi，高级分析总监 

在高级别上，许多组织使用 Azure 上的数据库、服务和存储库。这些资产可用于构建包含无人驾驶AI或H2O-2 H3O.ai 产品的机器学习模型。正如你所料，无人驾驶人工智能具有一些独特的功能，可以创建新功能，作为自动化机器学习工作流程的一部分，并生成高度准确和可解释的模型。

自动化训练过程生成的工件就是模型。这用于工作流的评分（推理）阶段。这就是我们的集成扎根的地方：组织现在可以在 Azure 机器学习中托管该模型以进行推理。

H2O.ai 与 Azure 机器学习之间集成的高级关系图

Azure 机器学习现在可以直接将模型作为服务调用。这意味着在 H2O.ai 中生成的模型可以在当前管道中快速轻松地使用，也可以以新的方式使用。例如，使用新的 AzureML 托管联机终结点功能，可以直接作为 HTTP 调用访问 H2O-3 或无驱动程序 AI 模型。

该集成作为H2O.ai的Rest Server的一部分提供。Rest Server 还会生成 Azure 机器学习部署模板以及其他项目，以便在 Azure 机器学习中使用模型时实现无缝用户体验。

此外，H2O 的 Wave 应用程序使用户能够使用 Wave UI 将模型部署到 Azure 中。

连接到 Azure 机器学习的 H2O.ai Wave UI 的屏幕截图

对客户的好处很简单：在 Azure 机器学习环境中部署和重用在 H2O.ai 中生成的模型以及托管推理是我们组合功能的自然扩展，使客户能够根据需要构建模型，同时使企业数据科学团队能够在 Azure 机器学习上保持模型治理和管理。