ビジネスクリティカルな機械学習モデルを大規模に構築する
データ サイエンティストや開発者が、高品質なモデルをより速く、自信を持って構築、デプロイ、管理できるようになります。業界をリードする機械学習の運用 (MLOps)、オープンソースの相互運用性、統合されたツールにより、価値創造までの時間を短縮できます。機械学習における責任ある AI アプリケーション向けに設計された、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起こしましょう。
モデルの迅速な構築とトレーニング
スタジオ開発エクスペリエンスを使用して、組み込みツールや、オープンソースのフレームワークやライブラリに対応したクラス最高のサポートにアクセスできます。
責任あるソリューションを提供する
公平性と説明可能性のモデルを開発し、それらのモデルをデプロイ時に責任を持って使用し、系列と監査のコンプライアンス要件を満たすために管理します。
大規模な運用を実現する
MLOps を使用して、ML モデルをすばやく簡単にデプロイし、それらを効率的に管理します。
より安全なハイブリッド プラットフォームでイノベーションを起こす
組み込みのガバナンス、セキュリティ、コンプライアンスにより、どこでも機械学習ワークロードを実行できます。
機械学習プロジェクトの ROI が最大 3 倍になる
トレーニング モデルの手順を 70% 削減
パイプラインのコード行を 90% 削減
60 のコンプライアンス認定
PyTorch Enterprise を使用した唯一のプラットフォーム
エンドツーエンドの機械学習ライフサイクルのサポート
データのラベル付け
トレーニング データにラベル付けを行い、ラベル付けプロジェクトを管理します。
データ準備
分析エンジンを使用して、データの探索と準備を行います。
データセット
データにアクセスし、データセットを作成して共有します。
Notebooks
アタッチされたコンピューティングを使用した共同作業用の Jupyter ノートブックを使用します。
自動機械学習
正確なモデルを自動的にトレーニングおよびチューニングします。
ドラッグ アンド ドロップ デザイナー
ドラッグ アンド ドロップの開発インターフェイスを使用してデザインします。
実験
実験を実行し、カスタム ダッシュボードを作成して共有します。
コマンド ライン インターフェイス
Azure コンピューティングでスケールアップとスケールアウトを行いながら、モデルのトレーニング プロセスを高速化します。
Visual Studio Code と GitHub
使い慣れたツールを使用して、ローカルからクラウド トレーニングに簡単に切り替えます。
コンピューティング インスタンス
クラウド CPU、GPU、スーパーコンピューティング クラスターを使用して、管理された安全な環境で開発します。
オープンソースのライブラリとフレームワーク
Scikit-learn、PyTorch、TensorFlow、Keras、Ray RLLib などの組み込みサポートを取得します。
マネージド エンドポイント
バッチおよびリアルタイム推論のモデルを迅速かつ簡単にデプロイします。
Pipelines と CI/CD
機械学習ワークフローを自動化します。
事前構築済みのイメージ
推論用のフレームワークとライブラリを使用してコンテナー イメージにアクセスします。
モデル リポジトリ
モデルやデータを共有し、追跡します。
ハイブリッドとマルチクラウド
オンプレミスとマルチクラウド環境間でモデルをトレーニングしてデプロイします。
モデルの最適化
ONNX ランタイムを使用してトレーニングと推論を高速化し、コストを削減します。
監視と分析
データ、モデル、リソースを追跡し、記録して分析します。
データ ドリフト
ドリフトを検出し、モデル精度を維持します。
エラー分析
モデルをデバッグし、モデル精度を最適化します。
監査
コンプライアンスのために機械学習の成果物をトレースします。
ポリシー
コンプライアンス管理のために組み込みポリシーとカスタム ポリシーを活用します。
セキュリティ
Azure Security Center を使用して継続的な監視をお楽しみください。
コスト管理
クォータ管理と自動シャットダウンを適用します。
迅速かつ正確なモデル開発で価値創造までの時間を短縮
スタジオ機能を使用して生産性を向上させましょう。これは、モデルの構築、トレーニング、デプロイなど、あらゆる機械学習タスクをサポートする開発エクスペリエンスです。人気の高いオープンソースのフレームワークやライブラリに対する組み込みのサポートを使用して、Jupyter Notebooks で共同作業できます。特徴エンジニアリングやハイパーパラメーター スイープ機能を使用した自動機械学習を使用して、正確なモデルをすばやく作成できます。デバッガー、プロファイラー、説明にアクセスして、トレーニング時にモデルのパフォーマンスを向上させることができます。深い Visual Studio Code により、ローカルからクラウドへのトレーニングをシームレスに行うことができ、クラウドベースの強力な CPU や GPU クラスターで自動スケーリングを実現できます。
機械学習運用 (MLOps) による大規模な運用化
MLOps を使用すれば、オンプレミス、エッジ、マルチクラウド環境における何千ものモデルのデプロイと管理を合理化できます。フル マネージドのエンドポイントにより ML モデルのデプロイとスコアリングをより迅速に行い、バッチおよびリアルタイムで予測することができます。繰り返し可能なパイプラインを使用して、継続的インテグレーションと継続的デリバリー (CI/CD) のためのワークフローを自動化できます。モデルのパフォーマンス メトリックを継続的に監視し、データ ドリフトを検出し、再トレーニングを実行して、モデルのパフォーマンスを向上させることができます。ライフサイクル全体を通し、機械学習のすべての成果物に対して組み込みの追跡と系列化を行うことで、監査可能性とガバナンスを実現できます。
責任ある機械学習ソリューションを届ける
再現可能で自動化されたワークフローを使用して機械学習モデルを評価することにより、モデルの公平性、説明可能性、エラー分析、原因分析、モデル パフォーマンス、探索的データ分析を評価します。責任ある AI ダッシュボードでの原因分析を使用して実際の介入とポリシーを作りだし、デプロイ時にスコアカードを生成します。そのスコアカードを PDF にエクスポートして責任ある AI メトリックをコンテキスト化し、それを技術分野と非技術分野の両方の対象ユーザーと共有することにより、利害関係者を関与させてコンプライアンス レビューを効率化します。
より安全でコンプライアンスに準拠したハイブリッド プラットフォームでイノベーションを起こす
ID、認証、データ、ネットワーク、監視、ガバナンス、コンプライアンスにまたがる包括的な機能を使用して、機械学習ライフサイクル全体のセキュリティを強化できます。カスタムのロールベース アクセス制御、仮想ネットワーク、データ暗号化、プライベート エンドポイント、エンドツーエンドのプライベート IP アドレスを使用して、より安全な機械学習ソリューションを構築できます。オンプレミスでモデルをトレーニングしてデプロイすることで、データ主権の要件を満たすことができます。組み込みのポリシーでガバナンスを管理し、FedRAMP High や HIPAA 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。
Azure を利用した機械学習のスキルを構築する
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。これを終えると、Azure Data Scientist Associate 認定資格を受験する準備ができていることになります。
完全な機械学習ライフサイクルのための主要なサービス機能
データのラベル付け
ラベル付けプロジェクトを作成、管理、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。
データ準備
Azure Synapse Analytics を使用して、PySpark によるデータ準備を対話型で実行できます。
共同ノートブック
IntelliSense、コンピューティングとカーネルの簡単な切り替え、オフライン ノートブック編集により、生産性を最大化することができます。ノートブックを Visual Studio Code で起動すれば、セキュリティで保護されたデバッグや Git ソース コード管理のサポートなど、充実した開発環境を利用できます。
自動化された機械学習
分類、回帰、時系列予測、自然言語処理タスク、コンピューター ビジョン タスク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。
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、環境にアクセスします。
責任ある機械学習
解釈可能性機能を備えたトレーニングと推論において、モデルの透明性を得ることができます。不均衡なメトリクスを通じてモデルの公平性を評価し、不公平性を緩和することができます。エラー分析ツールキットを使用して、モデルの信頼性を向上させ、モデルのエラーを特定して診断できます。差分プライバシーを使用してデータを保護することができます。
実験
実行を管理および監視したり、トレーニングと実験のために複数の実行を比較したりすることができます。カスタム ダッシュボードを作成し、ご自分のチームと共有できます。
モデル レジストリと監査証跡
中央レジストリを使用して、データ、モデル、メタデータを格納および追跡できます。監査証跡を使用して、系列とガバナンス データを自動的にキャプチャできます。
Git および GitHub
Git 統合を使用して作業を追跡し、GitHub Actions サポートを使用して機械学習ワークフローを実装します。
マネージド エンドポイント
マネージド エンドポイントを使用して、モデルのデプロイおよびスコアリングの運用、メトリックのログ記録、安全なモデルのロールアウトを行うことができます。
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。
他の Azure サービスとの相互運用性
Microsoft Power BI や、Azure Synapse Analytics、Azure Cognitive Search、Azure Data Factory、Azure Data Lake、Azure Arc、Azure Security Center、Azure Databricks などのサービスにより、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
Azure Arc を使用すると、オンプレミス、マルチクラウド環境内、エッジにある既存の Kubernetes クラスター上で機械学習を実行できます。シンプルな機械学習エージェントを使用して、お客様のデータがどこに保存されていても安全にモデルのトレーニングを開始できます。
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エンドツーエンドのプライベート IP 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
ワークスペースやリソース レベルでのクォータ制限や自動シャットダウンにより、IT コストを削減し、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。
Azure Machine Learning を習得するためのガイド
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学習できます。
エンジニアリング MLOps のホワイト ペーパー
MLOps を使用して機械学習ソリューションを構築、デプロイ、監視するための体系的なアプローチを見つけます。運用環境対応の機械学習ライフサイクルを大規模かつ迅速に構築、テスト、管理します。
The Forrester WaveTM 2020 レポート
Forrester が Microsoft Azure Machine Learning を The Forrester WaveTM: 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た理由をご覧ください。
Forrester の Total Economic ImpactTM (TEI) 調査
Microsoft から委託を受けた Forrester Consulting の Total Economic ImpactTM (TEI) 調査では、企業が Azure Machine Learning を使用して実現する可能性がある潜在的な投資収益率 (ROI) を分析しています。
Machine Learning ソリューションのホワイト ペーパー
セキュリティで保護されたスケーラブルで公平なソリューションを構築する方法について説明します。
責任ある AI のホワイト ペーパー
お客様のモデルを理解し、保護し、制御するためのツールと方法についてお読みください。
機械学習運用 (MLOps) のホワイト ペーパー
モデルの構築、トレーニング、デプロイのプロセスを大きな規模で加速させます。
Azure Arc-enabled Machine Learning white paper
Learn how to build, train, and deploy models in any infrastructure.
包括的なセキュリティとコンプライアンスの組み込み
-
Microsoft ではサイバーセキュリティの研究と開発に年間 USD 10 億を超える投資を行っています。
-
Microsoft には、データ セキュリティとプライバシーを専門とする 3,500 人を超えるセキュリティ エキスパートがいます。
-
Azure は、他のクラウド プロバイダーを上回る数の認定を受けています。包括的なリストをご確認ください。
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、実験を追跡できます。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できます。
初期費用は不要で、料金は必要な分だけ発生
Azure 無料アカウントで作業を開始する
無料で開始しましょう。$200 のクレジットを取得して 30 日間使用できます。クレジットを保持している間は、最も人気のあるサービスの多くを無料で利用でき、40 を超える他のサービスが常に無料です。
クレジットを受け取った後は、従量課金に移動して、同じ無料サービスを使用してビルドを続けてください。無料の月間使用分を超えて使用する場合にのみ、お支払いください。
12 か月経過後、40 を超える無料サービスを引き続き利用できます。そして今まで通り、無料の月間使用分を超えて使用した分のみ、お支払いください。
Azure Machine Learning をご利用のお客様
AXA UK 社、最高情報責任者、Nic Bourven 氏"We make it our mission to try new ideas and go beyond to differentiate AXA UK from other insurers. We see managed endpoints in Azure Machine Learning as a key enabler for our digital ambition."
Bikram Virk 氏 (AI および機械学習担当製品マネージャー、FedEx)"Customers expect timely and accurate information on their packages and a data-based delivery experience. We're helping FedEx stay on the leading edge with Azure Machine Learning, and we're building expertise for future projects."
Dr.Deepa Kasinathan 氏 (製品マネージャー兼グループ リーダー、Robotron Datenbank-Software GmbH)"The end-to-end pipeline (built with Azure Machine Learning) has all the features needed to develop and maintain machine learning models throughout their lifecycles."
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."
Michael Cleavinger 氏 (ショッパー インサイト データ サイエンスおよびアドバンスト アナリティクス担当シニア ディレクター、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."
鉄道利用者の生活をより快適に
ドイツの鉄道会社 Deutsche Bahn のデジタル パートナーである DB Systel は、乗客をサポートする「Digital Guide Dog」ソリューションを開発しました。Azure Machine Learning を使用して、ニューラル ネットワークを使った新しいモデルのトレーニングをわずか数時間で行うことができます。
Azure Machine Learning 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
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。