データ サイエンティストのための機械学習
データ サイエンティストと機械学習のエンジニア向けの機械学習ツールについてと、Azure でクラウド規模の機械学習ソリューションを構築する方法をご確認ください。
Azure での機械学習について知る
Azure のツールとサービスを使用すると、責任を持って、条件に合わせて、ミッションクリティカルなプロセスのための機械学習モデルを構築およびデプロイできます。
条件に合わせて機械学習モデルを開発する
お好みのツールを使用して、希望する開発言語、環境、機械学習フレームワークで機械学習モデルを構築し、Azure AI を使用してモデルをクラウド、オンプレミス、またはエッジにデプロイできます。
責任を持って機械学習ソリューションを構築する
機械学習モデルについて理解し、差分プライバシーと機密コンピューティング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。
業務上重要なプロセスのための機械学習モデルを自信を持ってデプロイする
スケーラビリティ、障害耐性、再現性に優れた機械学習ソリューションをデプロイおよび管理できます。
機械学習についてビデオで確認する
ミッションクリティカルなアプリケーションをサポートする機械学習ソリューションの活用方法を詳しくご覧ください。
機械学習モデルを大規模にトレーニング
Azure での適切なコンピューティングを利用して、トレーニング ジョブをスケーリングする方法についてご確認ください。
モデルのデプロイと推論
大規模なモデル推論のためのさまざまなデプロイ オプションや最適化について詳しくご確認ください。
MLOps の説明
MLOps の重要性と、それに関連するプロセスについて詳しくご覧ください。
機械学習環境をセキュリティ保護する
Azure を利用して企業向け仕様のセキュリティとガバナンスにアクセスする方法をご覧ください。
ハイブリッドおよびマルチクラウドの機械学習
ハイブリッドおよびマルチクラウドの機械学習環境をプロビジョニングする方法をご覧ください。
オープンで相互運用可能な機械学習
Azure Machine Learning がどのようにオープンソース技術と連携し、他の Azure サービスと統合されているかをご覧ください。
Azure の機械学習製品やサービスを利用して、ご自分の条件に合わせて機械学習モデルを構築する方法をご覧ください。
クラウドでの機械学習の基礎
機械学習の概要をご覧になり、機械学習のライフサイクルの主要なフェーズを詳しくご確認ください。
Azure の機械学習ツール
データ サイエンティスト向けの機械学習ツールを詳しくご覧になり、それが Azure でどのように機能するかをご確認ください。
PyTorch を使用したディープ ラーニングの基礎
PyTorch を使用してシンプルなイメージ分類の問題を解決する方法をご覧ください。
機械学習をどこでも実行
既存の Kubernetes インフラストラクチャを使用して、オンプレミスまたはマルチクラウドで機械学習を実行できます。
PyTorch の基本について学ぶ
PyTorch Developer Advocate の Suraj Subramanian 氏によるチュートリアルをご覧ください。
エラー解析ツールキットを使用して責任ある AI を構築
モデルのエラーを特定し、根本原因を診断する方法をご覧ください。
ディープ ラーニングを使用したオーディオへのタグ付け
音を使ったり、それを画像に変換したり、分類モデルを構築して気分に応じて曲にタグ付けしたりする方法をご確認ください。
Azure Machine Learning を使用した MLOps
機械学習モデルの構築、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。
エンタープライズのセキュリティと規模での機械学習ソリューション
Azure Machine Learning を使用して、安全かつスケーラブルで公正な機械学習ソリューションを構築する方法をご確認ください。
Azure Machine Learning を使用した責任ある AI
機械学習モデルの理解、保護、制御に役立つツールと方法をご確認ください。
ソリューション アーキテクチャの例を通してさらに学びましょう
Azure Machine Learning を使用するさまざまなシナリオをご確認ください。
機械学習
ハイパーパラメーターと呼ばれる調整可能なパラメーターを使用して、モデルのトレーニング プロセスを制御できます。Python モデルのハイパーパラメーターを調整するための推奨手法をご確認ください。また、ハイパーパラメーターの調整を自動化し、実験を並行して実行して、ハイパーパラメーターを効率的に最適化する方法をご覧ください。
ディープ ラーニング
GPU 対応仮想マシンのクラスター間で深層機械学習モデルの分散トレーニングを実施する方法をご覧ください。このシナリオは画像分類が対象ですが、ソリューションは、セグメント化や物体検出など、その他のディープ ラーニング シナリオに一般化することが可能です。
MLOps
Azure DevOps と Azure Machine Learning を使用して、継続的インテグレーション (CI)、継続的デリバリー (CD)、再トレーニング パイプラインを AI アプリケーション用に実装する方法をご確認ください。このソリューションは scikit-learn 糖尿病データセットに基づいて構築されていますが、あらゆる AI シナリオや、他の一般的なビルド システムに容易に適合させることができます。
Edge のデプロイ
Azure Stack Edge を使用して、迅速な機械学習推論をクラウドからオンプレミスまたはエッジのシナリオに拡張する方法をご覧ください。Azure Stack Edge を使用すると、コンピューティング、ストレージ、ネットワーク、ハードウェアアクセラレータによる機械学習などの Azure の機能をどのエッジの場所でも活用できます。
Batch スコアリング
Azure Machine Learning を使用してニューラル スタイル変換 (既存の画像を別の画像のスタイルで作成するディープ ラーニング手法) を動画に適用する方法をご確認ください。
リアルタイム スコアリング
Python モデルを Web サービスとしてデプロイし、Azure Kubernetes Service (AKS) を使用してリアルタイムの予測を行う方法をご確認ください。AKS にデプロイされた機械学習モデルは、高スケールな運用環境のデプロイに適しています。
AI の更新情報、ブログ、お知らせ
2021 年 9 月 17 日
2021 年 5 月 27 日
2021 年 3 月 10 日
2021 年 6 月 17 日
2021 年 5 月 25 日
2021 年 3 月 9 日
2021 年 5 月 28 日
2021 年 2 月 18 日
2021 年 5 月 27 日
2021 年 4 月 8 日
2020 年 9 月 30 日
2020 年 9 月 29 日