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
機械学習モデルをよりすばやく構築、トレーニング、デプロイできるように、開発者やデータ サイエンティストがさまざまな生産性エクスペリエンスを使用できるようにしましょう。業界をリードする MLOps (機械学習用 DevOps) を使用して、市場に届けるまでの時間を短縮し、チームのコラボレーションを促進することができます。信頼のおける AI を実現できるよう設計された、安全で信頼できるプラットフォームで、イノベーションを進めましょう。
コードファースト、ドラッグ アンド ドロップ方式のデザイナー、自動機械学習ですべてのスキル レベルの生産性を向上
既存の DevOps プロセスと統合され堅牢な MLOps 機能で完全な ML ライフサイクルの管理をサポート
最先端の公平度とモデルの解釈性により、信頼のおける AI ソリューションを構築できます。高度なガバナンスやコントロールに対するセキュリティとコスト管理が強化されています。
オープンソース フレームワークと MLflow、Kubeflow、ONNX、PyTorch、TensorFlow、Python、R などの言語に対する最高レベルのサポート
すべてのスキルで ML の生産性とアクセスを向上させる
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。コードなしのデザイナーを使用して開始したり、組み込みの Jupyter Notebook を使用してコードファーストのエクスペリエンスを利用したりすることができます。自動機械学習 UI を使用してモデルの作成を加速し、組み込みの機能エンジニアリング、アルゴリズムの選択、ハイパーパラメーター スイープを利用して高精度のモデルを構築できます。
堅牢な MLOps を使用して大規模な運用を可能にする
MLOps、つまり機械学習向け DevOps を使用すると、モデルの構築からデプロイと管理まで、機械学習のライフサイクルを効率化することができます。ML パイプラインを使用して反復可能なワークフローを作成し、豊富なモデル レジストリを使用して資産を追跡することができます。高度なアラートと機械学習自動化機能を使用して、運用ワークフローを大規模に管理できます。クラウドからエッジまで、機械学習モデルをどこからでも調査、検証、デプロイすることができ、運用 ML ワークフローを大規模に、企業で利用できるようなレベルで管理できます。
信頼のおける AI ソリューションの作成
公平性を高め、機械学習モデルの透過性を保つための最新のテクノロジを利用できます。予測に関する説明に対してモデルの解釈性を使用し、モデルの動作をより適切に理解することができます。一般的な公平性メトリックを適用して (比較を自動的に作成して推奨される軽減策を使用する)、モデルの偏りを減らします。
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
機械学習モデルのトレーニングや推論向けのオープンソースのツールとフレームワークのサポートが組み込まれています。PyTorch、TensorFlow、scikit-learn などの使い慣れたフレームワークや、オープンで相互運用可能な ONNX 形式を使用できます。お客様のニーズに最適な開発ツールを選択してください。よく使用される IDE、Jupyter Notebook、CLI や、Python や R などの言語を利用できます。ONNX Runtime を使用すると、クラウドやエッジ デバイス間での推論を最適化し、加速することができます。
高度なセキュリティ、ガバナンス、コントロール
- Azure の企業向け仕様のセキュリティ、コンプライアンス、仮想ネットワーク サポートを利用して、機械学習モデルを構築しましょう。
- ID、データ、カスタムのロールを含むネットワーク アクセス用の組み込みコントロールを使用して、資産を保護しましょう。
- 企業ネットワークに対してのみアクセスを制限したり、Azure セキュリティ ポリシーを適用したりすることができます。
- 監査証跡、クォータとコストの管理、全般的なコンプライアンス ポートフォリオを使用して、ガバナンスとコントロールを管理します。
初期費用は不要で、料金は必要な分だけ発生
詳細については、Azure Machine Learning の価格に関するページをご覧ください。
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、モデルを作成することもできます。
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
おすすめのビデオ
今すぐ Azure Machine Learning を始めましょう
Azure Machine Learning をご利用のお客様
Dean Riddlesden 氏 (Senior Data Scientist、Global Analytics、Walgreens Boots Alliance)"If I have 200 models to train—I can just do this all at once. It can be farmed out to a huge compute cluster, and it can be done in minutes. So I'm not waiting for days."
Matthieu Boujonnier 氏 (Analytics Application Architect and Data Scientist、Schneider Electric)"With Azure Machine Learning, we can focus our testing on the most accurate models and avoid testing a large range of less valuable models. That saves months of time."
Diana Kennedy 氏 (Vice President for IT Strategy、Architecture and Planning、BP)"A key part of our transformation has been to embrace the cloud and the digital solutions and services that come with it. This includes a deep dive into AI and machine learning."
Naeem Khedarun 氏 (Principal Software Engineer (AI)、ASOS)"By unifying our tech stack and bringing our engineers in Big Data and online software together with data scientists, we got our development time down from months to just a few weeks."
Phil Harris 氏 (assistant professor of physics、 MIT)"The [Large Hadron Collider in Europe] pushes technology on many fronts...and produces data rates that are the largest in the world. We are an example of how to do analysis of large datasets."
Borrowell は AI を使用して顧客の信用スコア改善を支援
Borrowell の革新的な AI テクノロジでは、信用スコアを使用してカナダの顧客の信用度と財務の健全性を高めるための推奨事項を提供しています
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% です。
-
Azure Machine Learning スタジオは、機械学習サービスの最上位レベルのリソースです。ここは、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です。