跳至主要內容

機器學習作業 (MLOps)

加速機器學行工作流程的自動化、共同作業和重現性

內部部署到邊緣之間,跨生產環境中數千個模型的簡化部署與管理

用於進行批次和即時預測的完全受控端點,可加快部署和評分模型的速度

可重複的管線以針對持續整合/持續傳遞 (CI/CD) 自動化機器學習工作流程

持續監視模型效能計量、偵測資料漂移,以及觸發重新訓練以改善模型效能

快速提供創新

MLOps 又稱機器學習作業或適用於機器學習的 DevOps,是人員、程序和平台的交集,用於透過機器學習取得商務價值。其可特過監視、驗證和治理機器學習模型來簡化開發與部署。

建置機器學習工作流程和模型

使用資料集和豐富模型登錄來追蹤資產。透過追蹤執行歷程記錄中的程式碼、資料和計量,啟用增強的可追蹤性。建置機器學習管線,以設計、部署及管理可重現的模型工作流程,以進行一致的模型傳遞。

隨時隨地輕鬆部署高精確度模型

有自信地快速部署。使用受控線上端點在強大的 CPU 與 GPU 機器之間部署模型,而不需要管理基底基礎結構。使用模型分析與驗證工具快速封裝模型,並確保每個步驟都有高品質。使用受控推出將模型升級為生產環境。

有效率地管理整個機器學習生命週期

利用內建與 Azure DevOps 和 GitHub Actions 的互通性,順暢地管理及自動化工作流程。最佳化模型訓練和部署管線、建置 CI/CD 以協助重新訓練,以及輕鬆將機器學習放入現有的發行流程。使用進階資料漂移分析來改提升一段時間內的模型效能。

達成跨資產的治理

追蹤模型版本歷程記錄和歷程,以進行稽核。設定資源的計算配額並套用原則,以確保遵循安全性、隱私權和合規性標準。使用進階功能來達到治理與控制目標,並提升模型的透明度與公平性。

從 MLflow 的互通性中獲得好處

使用 MLflow 和 Azure Machine Learning 建置彈性且更安全的端對端機器學習工作流程。將您現有的工作負載從本機執行無縫調整為智慧型雲端和邊緣。將您的 MLflow 實驗、執行計量、參數及模型成品儲存在集中式 Azure Machine Learning 工作區中。

加速跨工作區的共同作業 MLOps

利用登錄促進跨工作區的共同作業和 MLOps。在中央位置裝載機器學習資產,讓組織中的所有工作區都能取用這些資產。在團隊間宣傳、共用和探索模型、環境、元件和資料集。重複使用管線和部署由團隊在其他工作區中建立的模型,同時保持譜系和可追蹤性不變。

查看機器學習作業的運作情形

建置機器學習管線以設計、部署和管理模型工作流程

建置機器學習管線以設計、部署和管理模型工作流程

建置機器學習管線以設計、部署和管理模型工作流程

使用自動縮放和受控的分散式推斷叢集,自信地快速部署

使用自動縮放和受控的分散式推斷叢集,自信地快速部署

使用自動縮放和受控的分散式推斷叢集,自信地快速部署

與 Azure DevOps 和 GitHub Actions 交互操作,以自動化機器學習工作流程

與 Azure DevOps 和 GitHub Actions 交互操作,以自動化機器學習工作流程

與 Azure DevOps 和 GitHub Actions 交互操作,以自動化機器學習工作流程

改善您機器學習專案的治理與成本管理

改善您機器學習專案的治理與成本管理

改善您機器學習專案的治理與成本管理

內建全方位安全性與合規性

開始使用 Azure 免費帳戶

開始免費試用。取得可在 30 天內使用的 $200 點數。擁有點數的同時,還可以免費取得我們多數的熱門服務,以及超過 40 項永遠免費的其他服務。

取得點數後,移至隨用隨付,以繼續建立相同的免費服務。只有當使用量超過每月免費數量時才需付費。

12 個月之後,您仍可繼續取得超過 40 項的永遠免類的服務,且您僅需支付超過每月免費數量的使用費用。

了解客戶如何使用機器學習作業實現價值

FedEx

"Customers expect timely and accurate information on their packages and a data-based delivery experience. We're helping FedEx stay on the leading edge with Azure Machine Learning, and we're building expertise for future projects."

FedEx AI 與機器學習產品經理 Bikram Virk
FedEx

BRF

"We're scaling with automated machine learning in Azure and MLOps capabilities in Azure Machine Learning so that our 15 analysts can focus on more strategic tasks instead of the mechanics of merging spreadsheets and running analyses."

BRF 技術執行主管 Alexandre Biazin
BRF

Nestle

"MLOps is at the core of our product. Because of its reproducible ML pipelines, ...registered models, and automatic model scoring, we're definitely detecting things that we missed before. Which, in terms of risk management, is really, really important."

Nestlé Global Security Operations Center 首席資料科學家 Ignasi Paredes-Oliva
Nestle Italia

PepsiCo

"We've used the MLOps capabilities in Azure Machine Learning to simplify the whole machine learning process. That allows us to focus more on data science and let Azure Machine Learning take care of end-to-end operationalization."

PepsiCo 購物者見解、資料科學和進階分析的資深主管 Michael Cleavinger
PepsiCo

當您一切準備就緒之後,就能開始設定您的 Azure 免費帳戶