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早く、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 MLOps (機械学習運用)、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。責任ある機械学習 (ML) 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、統合されたツールや、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。
大規模な運用を実現する
MLOps により、1 回のクリックでモデルをデプロイし、それを効率的に管理し、統制できます。
責任あるソリューションを提供する
データやモデルを理解して保護し、公平性に向けて構築し、モデルの品質を向上させましょう。
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。
ML プロジェクトの ROI が最大 3 倍に
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
Support for the end-to-end machine learning (ML) lifecycle
Data labeling
Label training data and manage labeling projects.
Data preparation
Integrate with analytics engines for data exploration and preparation.
Datasets
Access data and create and share datasets.
Notebooks
Use collaborative Jupyter notebooks with attached compute.
Automated ML
Automatically train and tune accurate models.
Drag-and-drop designer
Design with drag-and-drop development interface.
Experiments
Run experiments and create and share custom dashboards.
Visual Studio Code and GitHub
Use familiar tools and switch easily from local to cloud training.
Compute instance
Develop in a managed and secure environment with cloud CPUs, GPUs, and supercomputing clusters.
Open-source libraries and frameworks
Get built-in support for Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib, and more.
Managed endpoints
Utilize one-click deployment for batch and real-time inference.
Pipelines and CI/CD
Automate machine learning workflows.
Pre-built images
Access container images with frameworks and libraries for inference.
Model repository
Share and track models and data.
Hybrid and multicloud
Train and deploy models on-premises and across multicloud.
Optimize models
Accelerate training and inference and lower costs with ONNX Runtime.
Monitor and analyze
Track, log, and analyze data, models, and resources.
Data drift
Detect drift and maintain model accuracy.
Error analysis
Debug models and optimize model accuracy.
Audit
Trace ML artifacts for compliance.
Policies
Leverage built-in and custom policies for compliance management.
Security
Enjoy continuous monitoring with Azure Security Center.
Control costs
Apply quota management and automatic shutdown.
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 ML 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をサポートしている組み込みのサポートを使用して、Jupyter ノートブックとコラボレーションできます。特徴エンジニアリングやハイパーパラメーター スウィープ機能を使用した自動 ML で、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。Visual Studio Code との深い統合により、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モデルのデプロイとスコアリングを迅速に行い、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、データのずれを検出し、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。また、ライフサイクル全体を通して、すべての ML アーティファクト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
業界をリードする責任ある AI 機能にアクセスし、モデルの透明性を高め、信頼性を向上させることができます。すぐに使用できる視覚化を使用してモデルを理解し、what-if 分析を使用して予測に対する機能の影響を判断できます。モデルの説明グラフをチームと共有して、コンプライアンスを確保できます。最新のアルゴリズムを使用して、公平性の問題のモデルをテストし、異なるモデルを比較して、問題を軽減するための手順を実行できます。エラー分析ツールキットを使用して、モデルのエラーを特定してデバッグし、モデルの正確性を向上させることができます。
より安全でコンプライアンス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、ML 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 ML 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
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。これを終えると、Azure Data Scientist Associate 認定資格を受ける準備ができていることになります。
完全な ML 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 との組み込みの統合を利用して、PySpark によるデータ準備を対話型で行うことができます。
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、環境にアクセスできます。
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。
Azure Machine Learning Experimentation
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 で ML ワークフローを実装できます。
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。
その他の Azure サービスとの緊密な統合
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
Azure Arc を使用すると、オンプレミス、マルチクラウド環境内、エッジでの既存の Kubernetes クラスター上で機械学習を実行できます。ワンクリックの機械学習エージェントを使用すれば、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 部門はコストを削減し、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。
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。
Engineering MLOps
Discover a systematic approach to building, deploying, and monitoring machine learning solutions with MLOps. Rapidly build, test, and manage production-ready machine learning life cycles at scale.
The Forrester WaveTM 2020
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。
ROI が最大で 3 倍になると予測 - Forrester Total Economic ImpactTM (TEI)
Forrester Consulting が実施した委託調査である Forrester Total Economic Impact™ (TEI) では、Azure Machine Learning が組織に与える潜在的な経済的影響を評価するためのフレームワークを提供しています。
エンタープライズ スケールの機械学習ソリューション ホワイトペーパー
Azure Machine Learning を使用すれば、組織が安全でスケーラブルかつ公平な ML ソリューションを構築することができます。
責任ある AI のホワイトペーパー
モデルを理解、保護し、コントロールするためのツールと方法。
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規模に加速させましょう。
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。
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
おすすめのビデオ
- Azure Machine Learning の推論に対応した事前構築済み Docker イメージ
- マネージド エンドポイント
- PyTorch Enterprise on Microsoft Azure
- 機械学習をどこでも実行
- Azure Machine Learning の新機能
- Azure Machine Learning デザイナーを使用して AI を民主化する
- AutoML を使用して ML のヒーローになる方法について
- Azure Machine Learning スタジオ内から Jupyter ノートブックを編集して実行する
- MLOps 機能について: アセット、アーティファクト、コードの管理
- 責任ある ML: モデルの作業を開始して分析する
- Azure Machine Learning でデータのラベル付けを使用して生産性を向上させる
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
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
ドイツの鉄道会社であるドイツ鉄道のデジタル パートナーである DB Systel は、乗客をサポートするソリューション「Digital Guide Dog」を開発しました。Microsoft Azure Machine Learning を使用すれば、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 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。