{
 "cells": [
  {
   "cell_type": "markdown",
   "source": [
    "# វិទ្យាសាស្ត្រទិន្នន័យនៅក្នុងពពក៖ វិធី \"Azure ML SDK\"\n",
    "\n",
    "## ការប្រកាសមុខ\n",
    "\n",
    "ក្នុងសៀវភៅកំណត់ត្រានេះ យើងនឹងរៀនពីរបៀបប្រើប្រាស់ Azure ML SDK ដើម្បីហ្វឹកហ្វឺន បញ្ចូន និងប្រើម៉ូដែលតាមរយៈ Azure ML។\n",
    "\n",
    "លក្ខខណ្ឌមុន៖  \n",
    "1. អ្នកបានបង្កើតកន្លែងធ្វើការ Azure ML ។  \n",
    "2. អ្នកបានផ្ទុក [ទិន្នន័យជំងឺបេះដូង](https://www.kaggle.com/andrewmvd/heart-failure-clinical-data) ទៅក្នុង Azure ML។  \n",
    "3. អ្នកបានផ្ទុកសៀវភៅកំណត់ត្រានេះចូលក្នុង Azure ML Studio ។  \n",
    "\n",
    "ជំហានបន្ទាប់មាន៖\n",
    "\n",
    "1. បង្កើតការធ្វើតេស្តក្នុង Workspace មានស្រាប់។  \n",
    "2. បង្កើតក្រុម Compute ។  \n",
    "3. ផ្ទុកទិន្នន័យ។  \n",
    "4. តំឡើង AutoML ដោយប្រើ AutoMLConfig។  \n",
    "5. ប្រតិបត្តិការតេស្ត AutoML។  \n",
    "6. ស្វែងរកលទ្ធផលនិងទទួលបានម៉ូដែលល្អបំផុត។  \n",
    "7. ធ្វើការចុះបញ្ជីម៉ូដែលល្អបំផុត។  \n",
    "8. បញ្ចូនម៉ូដែលល្អបំផុត។  \n",
    "9. ប្រើប្រាស់ចំណុចចេញ។  \n",
    "\n",
    "## ការនាំចេញជាក់លាក់សម្រាប់ Azure Machine Learning SDK\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "from azureml.core import Workspace, Experiment\n",
    "from azureml.core.compute import AmlCompute\n",
    "from azureml.train.automl import AutoMLConfig\n",
    "from azureml.widgets import RunDetails\n",
    "from azureml.core.model import InferenceConfig, Model\n",
    "from azureml.core.webservice import AciWebservice"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "source": [
    "## Initialize Workspace\n",
    "ចាប់ផ្ដើមអក្សរការងារពីការកំណត់ដែលបានរក្សាទុក។ សូមធានាថា​ឯកសារ​កំណត់​មាន​នៅ​ក្នុង .\\config.json\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "ws = Workspace.from_config()\n",
    "print(ws.name, ws.resource_group, ws.location, ws.subscription_id, sep = '\\n')"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "source": [
    "## បង្កើតការធ្វើតេស្ត Azure ML\n",
    "\n",
    "យើងចាប់ផ្តើមបង្កើតការធ្វើតេស្តដែលមានឈ្មោះ 'aml-experiment' ក្នុងកន្លែងធ្វើការដែលយើងទើបតែចាប់ផ្តើម។\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "experiment_name = 'aml-experiment'\n",
    "experiment = Experiment(ws, experiment_name)\n",
    "experiment"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "source": [
    "## បង្កើតក្រុមកុំព្យូទ័រ\n",
    "អ្នកនឹងត្រូវបង្កើត [គោលដៅកុំព្យូទ័រ](https://docs.microsoft.com/azure/machine-learning/concept-azure-machine-learning-architecture#compute-target) សម្រាប់ការប្រតិបត្តិ AutoML របស់អ្នក។\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "aml_name = \"heart-f-cluster\"\n",
    "try:\n",
    "    aml_compute = AmlCompute(ws, aml_name)\n",
    "    print('Found existing AML compute context.')\n",
    "except:\n",
    "    print('Creating new AML compute context.')\n",
    "    aml_config = AmlCompute.provisioning_configuration(vm_size = \"Standard_D2_v2\", min_nodes=1, max_nodes=3)\n",
    "    aml_compute = AmlCompute.create(ws, name = aml_name, provisioning_configuration = aml_config)\n",
    "    aml_compute.wait_for_completion(show_output = True)\n",
    "\n",
    "cts = ws.compute_targets\n",
    "compute_target = cts[aml_name]"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "source": [
    "## ទិន្នន័យ\n",
    "ប្រាកដថាអ្នកបានផ្ទុកឡើងឯកសារទិន្នន័យទៅ Azure ML ហើយកូនសោមានឈ្មោះដូចគ្នានឹងឯកសារទិន្នន័យ។\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "key = 'heart-failure-records'\n",
    "dataset = ws.datasets[key]\n",
    "df = dataset.to_pandas_dataframe()\n",
    "df.describe()"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "source": [
    "## ការកំណត់ AutoML\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "automl_settings = {\n",
    "    \"experiment_timeout_minutes\": 20,\n",
    "    \"max_concurrent_iterations\": 3,\n",
    "    \"primary_metric\" : 'AUC_weighted'\n",
    "}\n",
    "\n",
    "automl_config = AutoMLConfig(compute_target=compute_target,\n",
    "                             task = \"classification\",\n",
    "                             training_data=dataset,\n",
    "                             label_column_name=\"DEATH_EVENT\",\n",
    "                             enable_early_stopping= True,\n",
    "                             featurization= 'auto',\n",
    "                             debug_log = \"automl_errors.log\",\n",
    "                             **automl_settings\n",
    "                            )"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "source": [
    "## រត់ AutoML\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "remote_run = experiment.submit(automl_config)"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "RunDetails(remote_run).show()"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "source": [
    "## រក្សាទុកម៉ូដែលល្អបំផុត\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "best_run, fitted_model = remote_run.get_output()"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "best_run.get_properties()"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "model_name = best_run.properties['model_name']\n",
    "script_file_name = 'inference/score.py'\n",
    "best_run.download_file('outputs/scoring_file_v_1_0_0.py', 'inference/score.py')\n",
    "description = \"aml heart failure project sdk\"\n",
    "model = best_run.register_model(model_name = model_name,\n",
    "                                description = description,\n",
    "                                tags = None)"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "source": [
    "## ចែកចាយម៉ូដែលល្អបំផុត\n",
    "\n",
    "រត់កូដខាងក្រោមដើម្បីចែកចាយម៉ូដែលល្អបំផុត។ អ្នកអាចមើលស្ថានភាពនៃការចែកចាយនៅក្នុងទំព័រផ្ទៃតាបន្ទាត់ Azure ML ។ ជំហ៊ាននេះអាចចំណាយពេលប៉ុន្មាននាទី។\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "inference_config = InferenceConfig(entry_script=script_file_name, environment=best_run.get_environment())\n",
    "\n",
    "aciconfig = AciWebservice.deploy_configuration(cpu_cores = 1,\n",
    "                                               memory_gb = 1,\n",
    "                                               tags = {'type': \"automl-heart-failure-prediction\"},\n",
    "                                               description = 'Sample service for AutoML Heart Failure Prediction')\n",
    "\n",
    "aci_service_name = 'automl-hf-sdk'\n",
    "aci_service = Model.deploy(ws, aci_service_name, [model], inference_config, aciconfig)\n",
    "aci_service.wait_for_deployment(True)\n",
    "print(aci_service.state)"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "source": [
    "## បរិច្ចាគចំណុចបញ្ចប់\n",
    "អ្នកអាចបន្ថែមបញ្ចូលទៅលើគំរូបញ្ចូលខាងក្រោម។\n"
   ],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "data = {\n",
    "    \"data\":\n",
    "    [\n",
    "        {\n",
    "            'age': \"60\",\n",
    "            'anaemia': \"false\",\n",
    "            'creatinine_phosphokinase': \"500\",\n",
    "            'diabetes': \"false\",\n",
    "            'ejection_fraction': \"38\",\n",
    "            'high_blood_pressure': \"false\",\n",
    "            'platelets': \"260000\",\n",
    "            'serum_creatinine': \"1.40\",\n",
    "            'serum_sodium': \"137\",\n",
    "            'sex': \"false\",\n",
    "            'smoking': \"false\",\n",
    "            'time': \"130\",\n",
    "        },\n",
    "    ],\n",
    "}\n",
    "\n",
    "test_sample = str.encode(json.dumps(data))"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "source": [
    "response = aci_service.run(input_data=test_sample)\n",
    "response"
   ],
   "outputs": [],
   "metadata": {}
  },
  {
   "cell_type": "markdown",
   "metadata": {},
   "source": [
    "---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**ការផ្តល់អត្ថបទដោះស្រាយ**៖  \nឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាបកប្រែ AI [Co-op Translator](https://github.com/Azure/co-op-translator)។ ទោះបីយើងខិតខំសំរាប់ភាពត្រឹមត្រូវក៏ដោយ សូមយល់ឲ្យបានថាការបកប្រែដោយស្វ័យប្រវត្តិនេះអាចមានកំហុស ឬការមិនត្រឹមត្រូវខ្លះ។ ឯកសារដើមនៅក្នុងភាសាមាតុភូមិគួរត្រូវបានគេសង្កេតជា ប្រភពមានសិទ្ធិ។ សម្រាប់ព័ត៌មានសំខាន់ណាស់ ការបកប្រែដោយអ្នកជំនាញដែលមានបទពិសោធន៍ត្រូវបានផ្តល់អនុសាសន៍។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសពីការប្រើប្រាស់ការបកប្រែនេះឡើយ។\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
   ]
  }
 ],
 "metadata": {
  "orig_nbformat": 4,
  "language_info": {
   "name": "python"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 2
}