ナビゲーションをスキップする

Azure Machine Learning サービス

クラウドからエッジへと機械学習を加速

Azure Machine Learning service を選ぶ理由

生産性の高さ

自動化された機械学習とマネージド コンピューティングを利用して、実験の速度を上げ、モデルを短時間で構築します。

オープン

機械学習ライブラリと使い慣れた IDE を使用します。

信頼性の高さ

Azure のセキュリティおよびコンプライアンス機能と仮想ネットワーク サポートに企業が対応することでメリットが得られます。

ハイブリッド

機械学習モデルの構築、トレーニング、管理、およびクラウドからエッジへのデプロイを行います。

Azure Machine Learning service の機能

自動化された機械学習とハイパー パラメーター チューニング

自動化された機械学習を利用して最適なアルゴリズムをより迅速に特定し、インテリジェント ハイパー パラメーター チューニングにより効率的に最適なモデルを見つけることができます。

バージョン管理と再現性

再現性を保証し、簡単に変更できるように実験を追跡してログに記録することで、実験の速度を上げます。

オープン ソース ライブラリと IDE のサポート

Tensorflow、PyTorch、scikit-learn などの機械学習ライブラリを使用します。Azure Machine Learning service は、Visual Studio Code、Visual Studio、Azure Databricks Notebook、Jupyter Notebook など、好みの Python IDE と統合されます。

モデル管理

イメージおよびモデル レジストリを使用して、ご利用のモデルをプロアクティブに管理および監視し、統合された CI/CD を利用してアップグレードします。

ハイブリッド デプロイ

クラウドからエッジへのマネージド デプロイを利用して、最も必要な場所にモデルをデプロイします。

分散型深層学習

非常に多くのマネージド GPU クラスターを使用して優れたモデルをより迅速に構築します。分散型深層学習を使用してモデルのトレーニングを迅速に行い、FPGA にデプロイします。

Azure Machine Learning service の使用方法

手順 1: ワークスペースを作成する

SDK をインストールし、ワークスペースを作成して、コンピューティング リソース、モデル、デプロイ、および実行履歴をクラウドに格納します。

手順 2: モデルをトレーニングする

オープン ソースの機械学習ライブラリを使用して、モデルをクラウドまたはローカルでトレーニングします。実験を追跡し、クラウドのマネージド コンピューティングを利用してトレーニングを簡単にスケールアップまたはスケールアウトします。

手順 3: デプロイして管理する

モデルをテストまたは運用環境にデプロイし、予測を生成します。クラウドまたはエッジにデプロイするか、超高速推論を実現するために FPGA で Hardware Accelerated Models を活用します。モデルが運用環境にある場合は、そのパフォーマンスとデータの誤差を監視し、必要に応じて再トレーニングします。

関連製品およびサービス

Azure Databricks

迅速、簡単で協調的な Apache Spark ベースの分析プラットフォーム

Machine Learning Studio

予測分析ソリューションを簡単に構築、デプロイ、管理

Data Science Virtual Machines

AI 開発のためにあらかじめ構成されたリッチな環境

Azure Machine Learning service を使ってより適切な意思決定を始めましょう