Navigation überspringen

Machine Learning Operations (MLOps)

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

Innovationen schnell bereitstellen

MLOps – Machine Learning Operations oder DevOps für maschinelles Lernen – ermöglicht Data Science und IT-Teams, zusammenzuarbeiten und das Tempo der Modellentwicklung und -bereitstellung durch Überwachung, Überprüfung und Governance von Machine Learning-Modellen zu erhöhen.

Reproduzierbare Workflows und Modelle erstellen

Verringern Sie Variationen in Modelliterationen, und bieten Sie Fehlertoleranz für Szenarien auf Unternehmensniveau durch reproduzierbare Schulungen und Modelle an. Verwenden Sie Datasets und Registrierungen für erweiterte Modelle, um Objekte nachzuverfolgen. Aktivieren Sie eine verbesserte Nachverfolgbarkeit mit Nachverfolgung für Code, Daten und Metriken im Ausführungsverlauf. Erstellen Sie Machine Learning-Pipelines, um reproduzierbare Modellworkflows für die konsistente Modellbereitstellung zu entwerfen, bereitzustellen und zu verwalten.

Stellen Sie ganz einfach hochgenaue Modelle überall bereit.

Schnelles und vertrauenswürdiges Bereitstellen. Verwenden Sie die automatische Skalierung, verwaltete CPU- und GPU-Cluster mit verteiltem Training in der Cloud. Schnelles Paketieren und Sicherstellen hoher Qualität bei jedem Schritt mithilfe von Tools für Modellprofilerstellung und -überprüfung. Verwenden Sie einen kontrollierten Rollout, um Modelle in die Produktion zu überführen.

Effiziente Verwaltung des gesamten Machine Learning-Lebenszyklus

Verwenden Sie die beigefügte Integration in Azure DevOps und GitHub Actions, um Workflows nahtlos zu planen, zu verwalten und zu automatisieren. Optimieren Sie Modelltrainings- und Bereitstellungspipelines, erstellen Sie für CI/CD, um das erneute Training zu vereinfachen, und passen Sie Machine Learning ganz einfach an Ihre vorhandenen Releaseprozesse an. Verwenden Sie eine erweiterte Datendriftanalyse, um die Modellleistung im Zeitlichen Verlauf zu verbessern.

Ressourcenübergreifende Governance erreichen

Verfolgen Sie den Versionsverlauf und die Herkunft des Modells, um die Überwachung zu aktivieren. Legen Sie Computekontingente für Ressourcen fest, und wenden Sie Richtlinien an, um die Einhaltung von Sicherheits-, Datenschutz- und Compliancestandards sicherzustellen. Erstellen Sie Überwachungspfade, um die regulatorischen Anforderungen zu erfüllen, während Sie Machine Learning-Assets markieren und Experimente für CI/CD automatisch nachverfolgen. Verwenden Sie die erweiterten Funktionen, um Governance- und Kontrollziele zu erreichen und Modelltransparenz und -fairness zu fördern.

Von Interoperabilität mit MLflow profitieren

Erstellen Sie flexible und sicherere End-to-End-Workflows für maschinelles Lernen mit MLflow und Azure Machine Learning. Skalieren Sie Ihre vorhandenen Workloads nahtlos von der lokalen Ausführung auf die intelligente Cloud und den Edge. Speichern Sie Ihre MLflow-Experimente, führen Sie Metriken, Parameter und Modellartefakte im zentralisierten Azure Machine Learning Arbeitsbereich aus.

Erhöhen der Wertschöpfung mit bewährten Methoden für MLOps

Mehr Organisationen nutzen maschinelles Lernen, um Vorhersageerkenntnisse zu gewinnen und Geschäftsergebnisse zu erzielen. Erfahren Sie, wie Sie MLOps verwenden, um die Entwicklung und Bereitstellung von Machine Learning-Modellen zu beschleunigen und die Zeit bis zur Wertschöpfung zu erhöhen.

Beschleunigen des ML-Lebenszyklus mit Azure Machine Learning

Ein schnellerer Zugriff auf KI- und Machine Learning-Erkenntnisse ist entscheidend für den Unternehmenserfolg. Erfahren Sie, wie Sie Machine Learning-Lösungen schnell und effizient erstellen und bereitstellen und Workflows mit Azure Machine Learning optimieren.

Machine Learning Operations in Aktion anzeigen

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

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 Bereitstellung mithilfe von automatischer Skalierung und verwalteten, verteilten Rückschlussclustern

Schnelle Bereitstellung mithilfe von automatischer Skalierung und verwalteten, verteilten Rückschlussclustern

Schnelle Bereitstellung mithilfe von automatischer Skalierung und verwalteten, verteilten Rückschlussclustern

Arbeiten Sie mit Azure DevOps und GitHub Actions zusammen, um Machine Learning-Workflows zu automatisieren.

Arbeiten Sie mit Azure DevOps und GitHub Actions zusammen, um Machine Learning-Workflows zu automatisieren.

Arbeiten Sie mit Azure DevOps und GitHub Actions zusammen, um Machine Learning-Workflows zu automatisieren.

Governance- und Kostenverwaltung für Ihre Machine Learning-Projekte verbessern

Governance- und Kostenverwaltung für Ihre Machine Learning-Projekte verbessern

Governance- und Kostenverwaltung für Ihre Machine Learning-Projekte verbessern

Erfahren Sie, wie Kunden einen Mehrwert durch Machine Learning Operations 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

Zusätzliche Ressourcen

MLOps GitHub

Beispielcode anzeigen

MLOps-Modellverwaltung

Dokumentation lesen
Können wir Ihnen helfen?