Opérations de Machine Learning (MLOps)

Les fonctionnalités Azure Machine Learning qui automatisent et accélèrent le cycle de vie Machine Learning

MLOps vous permet de proposer des innovations plus rapidement

MLOps, ou DevOps pour Machine Learning, permet à la science des données et aux équipes informatiques de collaborer et d’augmenter le rythme du développement et du déploiement de modèles via la surveillance, la validation et la gouvernance des modèles Machine Learning.

Reproductibilité de la formation avec suivi avancé des jeux de données, du code, des expériences et des environnements dans un registre de modèle riche.

Mise à l’échelle automatique, calcul géré puissant, déploiement sans code et outils pour faciliter la formation et le déploiement.

Workflows efficaces avec des fonctionnalités de planification et de gestion pour la création et le déploiement avec intégration continue/déploiement continu (CI/CD).

Fonctionnalités avancées pour respecter les objectifs de gouvernance et de contrôle et promouvoir la transparence et l’équité du modèle.

Centre de ressources

Passez en revue le processus MLOps de bout en bout.

Accédez à des vidéos et aux notebooks associés, à des exemples de code et à la documentation.

Découverte des fonctionnalités MLOps : Gérez vos ressources, vos artefacts et votre code

Découverte des fonctionnalités MLOps : Créer des workflows Machine Learning basés sur les événements - Vidéo Microsoft Channel 9

Découverte des fonctionnalités MLOps : CI/CD avec GitHub Actions - Vidéo Microsoft Channel 9

Ressources supplémentaires

MLOPs sur GitHub

Documentation MLOps

Voir MLOps en action

Créer des pipelines ML pour concevoir, déployer et gérer des flux de travail de modèle

Créer des pipelines ML pour concevoir, déployer et gérer des flux de travail de modèle

Déployer rapidement et en toute confiance, en utilisant des clusters d’inférence distribués, managés, avec mise à l’échelle automatique

Déployer rapidement et en toute confiance, en utilisant des clusters d’inférence distribués, managés, avec mise à l’échelle automatique

Intégrer avec des Azure DevOps et GitHub Actions pour automatiser les flux de travail ML

Intégrer avec des Azure DevOps et GitHub Actions pour automatiser les flux de travail ML

Améliorer la gouvernance et la gestion des coûts dans vos projets ML

Améliorer la gouvernance et la gestion des coûts dans vos projets ML

Découvrez la valeur ajoutée offerte aux clients par MLOps

"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, chercheur en données appliquées, Johnson Controls
Johnson Controls