Azure Machine Learning

企業向け仕様の機械学習サービスでモデルをよりすばやく構築してデプロイする

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

Azure Machine Learning サービスを使用すると、開発者やデータ サイエンティストはさまざまな生産性エクスペリエンスを利用して、機械学習モデルをよりすばやく構築、トレーニング、デプロイすることができます。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。責任ある機械学習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。

すべてのスキルに対応する機械学習

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、自動機械学習であらゆるスキル レベルの生産性を向上させることができます。

エンドツーエンドの MLOps

堅牢な MLOps 機能を既存の DevOps プロセスと統合して、機械学習のライフサイクル全体の管理をサポートできます。

機械学習の最新の責任

責任ある機械学習機能 – 解釈可能性と公平性によってモデルを理解し、差分プライバシーと Confidential Computing によってデータを保護し、監査証跡とデータシートを使用して機械学習のライフサイクルを制御できます。

オープンで相互運用可能

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を受けることができます。

あらゆるスキル レベルに対応する機械学習で生産性を向上させる

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ビジュアル機械学習を開始したり、組み込みのコラボレーション用 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。自動機械学習を使用してモデルの作成を加速し、組み込みの特徴エンジニアリング、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。

MLOps を使用して大規模な運用を実現する

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。機械学習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お客様の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、運用機械学習ワークフローを大規模に、そして企業で利用できるようなレベルで管理できます。

責任ある機械学習ソリューションを構築する

最新の責任ある機械学習機能にアクセスし、お客様のデータ、モデル、プロセスを保護し、制御することができます。モデルのバイアスを検出して緩和することによって、トレーニングと推論の間のモデルの動作を説明し、公平性を確立することができます。差分プライバシー手法を使用して機械学習のライフサイクル全体にわたってデータのプライバシーを維持し、Confidential Computing を使用して機械学習資産を保護できます。監査証跡を自動的に管理し、系統を追跡し、モデル データシートを使用して説明責任を果たすことができます。

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できます。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とガバナンス

  • Azure を使用すると、エンドツーエンドのセキュリティを利用し、信頼されたクラウド上に構築できます。
  • きめ細かなロールベースのアクセス、カスタム ロール、ID 認証用の組み込みメカニズムを使用して、お客様のリソースを保護できます。
  • 仮想ネットワークとプライベート リンクを使用してお客様のネットワークを分離することにより、さらに安全にモデルを作成、トレーニング、デプロイすることができます。
  • 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

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。

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

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。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 を使用して作業を追跡し、GitHub Actions を使用してワークフローを実装できます。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。

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。

RStudio のサポート

組み込みの R サポートと RStudio Server (Open Source エディション) の統合により、モデルを構築してデプロイし、実行を監視できます。

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 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。

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。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。

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 の価格を見る

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。

Packt: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 と 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

手順 1/1

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。

手順 1/1

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。

手順 1/1

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。

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 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確認ください。クイックスタートと開発者向けリソースを見つけてください。

Azure Machine Learning をご利用のお客様

"The model we deployed on Azure Machine Learning helped us choose the three new retail locations we opened in 2019. Those stores exceeded their revenue plans by over 200 percent in December, the height of our season, and within months of opening were among the best-performing stores in their districts."

Jolie Vitale 氏 (BI および分析担当ディレクター、Carhartt)
Carhartt

Azure Machine Learning を使用することで、スカンジナビア航空 (SAS) は手動の方法では不可能だった熟練度で不正行為を正確に識別しています。EuroBonus マイルのために航空券を遡って登録した場合 (不正行為の一般的な原因)、新システムは 99% の精度で不正行為を予測します。

Scandinavian Airlines

"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."

Dean Riddlesden 氏 (Senior Data Scientist、Global Analytics、Walgreens Boots Alliance)
Walgreens Boots Alliance

"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."

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 )
EY

"The automated machine learning capabilities in Azure Machine Learning save our data scientists from doing a lot of time-consuming work, which reduces our time to build models from several weeks to a few hours."

Xiaodong Wang 氏 (CEO、TalentCloud)
TalentCloud

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。

準備が整ったら、Azure の無料アカウントを設定しましょう。