Machine Learning Operations (MLOps)

Azure Machine Learning-Funktionen, die den Machine Learning-Lebenszyklus vereinfachen und beschleunigen

MLOps unterstützt Sie bei der schnelleren Bereitstellung von Innovationen

MLOps – DevOps für maschinelles Lernen – ermöglicht es Data Science- und IT-Teams, eng zusammenzuarbeiten und die Modellentwicklung und -bereitstellung über die Überwachungs-, Validierungs- und Governancephasen von Machine Learning-Modellen hinweg zu beschleunigen.

Reproduzierbarkeit von Trainingsausführungen und erweiterte Nachverfolgung von Datasets, Code, Experimenten und Umgebungen in einer umfangreichen Modellregistrierung.

Automatische Skalierung, leistungsstarke verwaltete Computeressourcen, Bereitstellung ohne Code sowie Tools zum einfachen Trainieren und Bereitstellen von Modellen.

Effiziente Workflows mit Planungs- und Verwaltungsfunktionen zum Erstellen und Bereitstellen per CI/CD-Verfahren (Continuous Integration/Continuous Deployment).

Erweiterte Funktionen zum Erfüllen von Governance- und Steuerungszielen sowie zum Verbessern von Modelltransparenz und -zuverlässigkeit.

Ressourcencenter

Lernen Sie Schritt für Schritt den vollständigen MLOps-Prozess kennen.

Greifen Sie auf Videos und begleitende Notebooks, Codebeispiele und Dokumentationen zu.

MLOps-Feature im Detail: Verwalten von Assets, Artefakten und Code

MLOps-Feature im Detail: Erstellen von ereignisgesteuerten Workflows für maschinelles Lernen (Microsoft Channel 9-Video)

MLOps-Feature im Detail: CI/CD mit GitHub Actions (Microsoft Channel 9-Video)

Weitere Ressourcen

MLOps GitHub

Dokumentation zu MLOps

MLOps in Aktion

Erstellen von Machine-Learning-Pipelines zum Entwerfen, Bereitstellen und Verwalten von Modellworkflows

Erstellen von Machine-Learning-Pipelines zum Entwerfen, Bereitstellen und Verwalten von Modellworkflows

Schnelle und sichere Bereitstellung mit automatischer Skalierung und verwalteten, verteilten Rückschlussclustern

Schnelle und sichere Bereitstellung mit automatischer Skalierung und verwalteten, verteilten Rückschlussclustern

Integration mit Azure DevOps und GitHub Actions zur Automatisierung von Machine-Learning-Workflows

Integration mit Azure DevOps und GitHub Actions zur Automatisierung von Machine-Learning-Workflows

Verbesserte Governance und Kostenverwaltung für Machine-Learning-Projekte

Verbesserte Governance und Kostenverwaltung für Machine-Learning-Projekte

Erfahren Sie, wie Kunden mit MLOps einen Mehrwert bereitstellen

"Using the MLOps capabilities in Azure Machine Learning, we were able to increase productivity and enhance operations, going to production in a timely fashion and creating a repeatable process."

Vijaya Sekhar Chennupati, Applied Data Scientist, Johnson Controls
Johnson Controls