エンド ツー エンドの機械学習ライフサイクルを加速させる
Empower data scientists and developers with a wide range of productive experiences to build, train, and deploy machine learning models and foster team collaboration. Accelerate time to market with industry-leading MLOps—machine learning operations, or DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.
すべてのスキル レベルに対応する機械学習
Productivity for all skill levels, with Jupyter Notebooks, drag-and-drop designer, and automated machine learning
エンドツーエンドの MLOps
Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows
責任ある機械学習のイノベーション
Rich set of built-in responsible capabilities to understand, protect, and control data, models, and processes
オープンで相互運用可能
Best-in-class support for open-source frameworks and languages including MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, and R
Boost productivity with machine learning for all skill levels
スキル レベルに関係なく、ニーズに適したツールを使用して、機械学習モデルをすばやく構築してデプロイできます。Intellisense を備えた組み込みの Jupyter Notebooks や、ドラッグ＆ドロップのデザイナーを使用できます。自動機械学習でモデル作成を加速し、強力な特徴エンジニアリング、アルゴリズム選択、ハイパーパラメーター スウィープ機能を利用できます。共有データセット、ノートブック、モデル、カスタマイズ可能なダッシュボードで機械学習プロセスのあらゆる側面を追跡することで、チームの効率を高めることができます。
MLOps を使用して大規模な運用を実現する
Take advantage of MLOps to streamline the machine learning lifecycle, from building models to deployment and management. Create reproducible workflows with machine learning pipelines, and train, validate, and deploy thousands of models at scale, from the cloud to the edge. Use managed online and batch endpoints to seamlessly deploy and score models without managing the underlying infrastructure. Use Azure DevOps or GitHub Actions to schedule, manage, and automate the machine learning pipelines, and use advanced data-drift analysis to improve model performance over time.
責任ある機械学習ソリューションを構築する
Access state-of-the-art responsible machine learning capabilities to understand, control, and help protect your data, models, and processes. Explain model behavior during training and inferencing, and build for fairness by detecting and mitigating model bias. Preserve data privacy throughout the machine learning lifecycle with differential privacy techniques and use confidential computing to secure machine learning assets. Automatically maintain audit trails, track lineage, and use model datasheets to enable accountability.
オープンで柔軟なプラットフォームでイノベーションを進める
Get built-in support for open-source tools and frameworks for machine learning model training and inferencing. Use familiar frameworks like PyTorch, TensorFlow, or scikit-learn, or the open and interoperable ONNX format. Choose the development tools that best meet your needs, including popular IDEs, Visual Studio Code, Jupyter Notebooks, and CLIs, or languages such as Python and R. Use ONNX Runtime to optimize and accelerate inferencing across cloud and edge devices. Track all aspects of your training experiments using MLflow.
Azure を利用した機械学習のスキルを構築する
この 30 日間の学習体験を通じて、Azure での機械学習の詳細について学び、実践的なチュートリアルに参加できます。この学習体験を終えると、Azure Data Scientist Associate 認定資格に挑戦する準備ができていることになります。
高度なセキュリティ、ガバナンス、およびハイブリッド インフラストラクチャ
- オンプレミス、マルチクラウド環境全体、Azure Arc の相互運用性を備えたエッジで Kubernetes クラスターを使用して、お客様のハイブリッド インフラストラクチャ上でモデルをトレーニングできます。
- ロールベースのアクセス、カスタム機械学習ロール、仮想ネットワーク、プライベート リンクなどのセキュリティ機能にアクセスできます。ポリシー、監査証跡、クォータ、コスト管理を使用してガバナンスを管理できます。
- FedRAMP High や DISA IL5 などの 60 の認定を含む包括的なポートフォリオを使用して、コンプライアンスを効率化できます。
主なサービスの機能
共同ノートブック
Maximize productivity with IntelliSense, easy compute and kernel switching, and offline notebook editing. Launch your notebook in Visual Studio Code for a rich development experience, including secure debugging and support for Git source control.
自動化された機械学習
分類、回帰、時系列予測のための正確なモデルを迅速に作成できます。モデル解釈機能を使用して、モデルがどのように構築されたかを理解することができます。
ドラッグアンドドロップによる機械学習
データ変換、モデル トレーニング、評価のモジュールを備えたデザイナーなどの機械学習ツールを使用すれば、機械学習パイプラインを簡単に作成して発行することができます。
データのラベル付け
データを迅速に準備し、ラベル付けプロジェクトを管理および監視し、機械学習支援ラベル付けで反復タスクを自動化できます。
MLOps
Use the central registry to store and track data, models, and metadata. Automatically capture lineage and governance data. Use Git to track work and GitHub Actions to implement workflows. Manage and monitor runs, or compare multiple runs for training and experimentation. Use managed endpoints to operationalize model deployment and scoring, log metrics, and perform safe model rollouts.
自動スケール コンピューティング
マネージド コンピューティングを使用してトレーニングを配布し、モデルを迅速にテスト、検証、デプロイすることができます。CPU および GPU クラスターをワークスペース全体で共有し、お客様の機械学習のニーズに合わせて自動的にスケーリングできます。
その他の Azure サービスとの緊密な統合
Microsoft Power BI や、Azure Synapse Analytics、Azure Cognitive Search、Azure Data Factory、Azure Data Lake、Azure Arc、Azure Databricks などの Azure サービスとの組み込みの統合により、生産性を高めることができます。
ハイブリッドおよびマルチクラウドのサポート
Run machine learning on existing Kubernetes clusters on-premises, in multicloud environments, and at the edge with Azure Arc. Use the one-click machine learning agent to start training models more securely, wherever your data lives.
強化学習
強化学習を強力なコンピューティング クラスターにスケーリングし、マルチエージェント シナリオをサポートし、オープンソースの強化学習アルゴリズム、フレームワーク、環境にアクセスできます。
責任ある機械学習
Get model transparency at training and inferencing with interpretability capabilities. Assess model fairness through disparity metrics and mitigate unfairness. Help protect data with differential privacy and confidential machine learning pipelines.
エンタープライズ レベルのセキュリティ
ネットワークの分離やプライベート リンク機能、リソースとアクションに対するロールベースのアクセス制御、カスタム ロール、コンピューティング リソースに対するマネージド ID などを使用して、モデルをさらに安全に構築してデプロイできます。
Cost management
ワークスペースとリソース レベルのクォータ制限を使用して、Azure Machine Learning コンピューティング インスタンスのリソース割り当てをより適切に管理できます。
初期費用は不要で、料金は必要な分だけ発生
Azure Machine Learning の習得
TensorFlow、Spark、Kubernetes を使用して、自動化され高度にスケーラブルなエンドツーエンドの機械学習モデルとパイプラインを Azure に構築するための専門的なテクニックを習得できます。
データ サイエンスの原則
データを処理する多くの人は、数学、プログラミング、専門的なスキルを持っていますが、適切なデータ サイエンスには 3 つのスキルすべてが必要です。この総合的な e-Book では、そのギャップを埋めることができます。
Forrester Wave のリーダー 2020 年
Forrester は、Microsoft Azure Machine Learning を The Forrester Wave™:ノートブック ベースの予測分析と機械学習、2020 年第 3 四半期のリーダーに位置付けています。
Azure Machine Learning を使用する方法
スタジオ Web エクスペリエンスに移動
構築とトレーニング
デプロイと管理
新しいモデルを作成して、コンピューティング先、モデル、デプロイ、メトリック、実行履歴をクラウドに格納することができます。
クラウド内で自動化された機械学習を使用して、アルゴリズムとハイパーパラメーターを特定し、実験を追跡します。ノートブックやドラッグ アンド ドロップ方式のデザイナーを使用して、モデルを作成できます。
クラウドまたはエッジに機械学習モデルをデプロイして、パフォーマンスを監視し、必要に応じて再トレーニングします。
リソース
初心者向けチュートリアル
高度なチュートリアル
その他の資料
今すぐ Azure Machine Learning を始めましょう
無料の Azure アカウントにサインアップすることで、すぐにアクセスできるようになり、$200 のクレジットを獲得できます。
Azure portal にサインインします。
ドキュメントとチュートリアルを詳しくご覧になり、クイックスタートと開発者向けリソースを参照してください。
Azure Machine Learning をご利用のお客様
Jolie Vitale 氏 (BI および分析担当ディレクター、Carhartt)"The model we deployed on Azure Machine Learning helped us choose three new retail locations. Those stores exceeded their revenue plans by over 200 percent [that] December, the height of our season, and within months of opening were among the best-performing stores in their districts."
Ignasi Paredes-Oliva 氏 (リード データ サイエンティスト、Nestlé Global Security Operations Center)"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."
Joey Chua 氏 (機械学習エンジニアリング担当シニア マネージャー、AGL)"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."
Daniel Engberg 氏 (データ アナリティクスおよび人工知能統括、スカンジナビア航空)"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."
Michael Cleavinger, Senior Director of Shopper Insights Data Science and Advanced Analytics, 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."
Alex Mohelsky 氏 (データ、分析担当パートナーおよびアドバイザリ、AI 担当リーダー、EY Canada )"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."
Azure Machine Learning の更新プログラム、ブログ、お知らせ
Azure Machine Learning に関してよく寄せられる質問
-
このサービスは複数の国/地域で一般提供されており、今後も増える予定です。
-
Azure Machine Learning のサービス レベル アグリーメント (SLA) は 99.9% のアップタイムです。
-
Azure Machine Learning スタジオは、Machine Learning の最上位レベルのリソースです。この機能により、データ サイエンティストや開発者が機械学習モデルを構築、トレーニング、デプロイするためのすべての成果物を操作するための中心の場所が提供されます。