엔드투엔드 기계 학습 수명 주기 지원
데이터 레이블 지정
학습 데이터에 레이블을 지정하고 레이블 지정 프로젝트를 관리합니다.
데이터 준비
데이터 탐색 및 준비를 위해 분석 엔진과 함께 사용합니다.
데이터 세트
데이터에 액세스하고 데이터 세트를 만들고 공유합니다.
전자 필기장
연결된 컴퓨팅을 사용하여 공동 작업이 가능한 Jupyter Notebook을 사용합니다.
자동화된 기계 학습
정확한 AI 모델을 자동으로 학습시키고 튜닝합니다.
끌어서 놓기 디자이너
끌어서 놓기 개발 인터페이스를 사용하여 디자인합니다.
실험
실험을 실행하고 사용자 지정 대시보드를 만들고 공유합니다.
CLI 및 Python SDK
Azure 컴퓨팅에서 확장 및 확장하면서 모델 학습 프로세스를 가속화합니다.
Visual Studio Code 및 GitHub
익숙한 기계 학습 도구를 사용하고 로컬에서 클라우드 교육으로 쉽게 전환할 수 있습니다.
컴퓨팅 인스턴스
동적으로 확장 가능한 CPU, GPU 및 슈퍼컴퓨팅 클러스터를 사용하여 관리되고 안전한 환경에서 개발합니다.
오픈 소스 라이브러리 및 프레임워크
Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib 등에 대한 기본 제공 지원을 받으세요.
관리 엔드포인트
일괄 처리 및 실시간 유추를 위한 모델을 빠르고 쉽게 배포합니다.
파이프라인 및 CI/CD
기계 학습 워크플로를 자동화합니다.
미리 빌드된 이미지
유추를 위해 프레임워크 및 라이브러리를 사용하여 컨테이너 이미지에 액세스합니다.
모델 리포지토리
기계 학습 모델 및 데이터를 공유하고 추적합니다.
하이브리드 및 다중 클라우드
온-프레미스 및 다중 클라우드 환경에서 모델을 학습시키고 배포합니다.
최적화된 모델
ONNX 런타임을 사용하여 학습 및 유추를 가속화하고 비용을 절감하세요.
레지스트리
조직의 팀 간에 모델 및 파이프라인을 공유하고 검색합니다.
모니터링 및 분석
데이터, 모델 및 리소스를 추적, 기록 및 분석합니다.
데이터 드리프트
드리프트를 감지하고 모델 정확도를 유지 관리합니다.
오류 분석
모델을 디버그하고 AI 모델 정확도를 최적화합니다.
감사
규정 준수를 위해 기계 학습 아티팩트를 추적합니다.
정책
규정 준수 관리에 기본 제공 및 사용자 지정 정책을 사용합니다.
보안
Azure Security Center로 지속적인 모니터링을 즐기세요.
가격 조정
할당량 관리 및 자동 종료를 적용합니다.
딥 러닝용 Azure Machine Learning
신속한 모델 개발로 가치 실현 시간 단축
기계 학습 작업을 지원하는 통합 스튜디오 환경으로 생산성을 향상하세요. 널리 사용되는 오픈 소스 프레임워크 및 라이브러리에 대한 기본 제공 지원을 사용하여 Jupyter 전자 필기장으로 모델을 빌드, 교육 및 배포합니다. 테이블 형식, 텍스트 및 이미지 모델에 대한 자동화된 Machine Learning으로 정확한 모델을 신속하게 생성합니다. Visual Studio Code를 사용하여 로컬 교육에서 클라우드 교육으로 원활하게 이동하고 NVIDIA Quantum-2 InfiniBand 플랫폼 기반의 Azure AI 인프라로 자동 크기 조정합니다.
MLOps를 사용하여 모델 관리 공동 작업 및 간소화
하이브리드 플랫폼에서 엔터프라이즈급 솔루션 빌드
수명 주기 전반에 걸쳐 책임 있는 AI 사례 사용
재현 가능하고 자동화된 워크플로를 사용하여 기계 학습 모델을 평가하여 모델 공정성, 설명 가능성, 오류 분석, 인과 분석, 모델 성능 및 예비 데이터 분석을 평가합니다. 책임 있는 AI 대시보드에서 인과 분석을 사용하여 실제 개입을 수행하고 배포 시 성과 기록표를 생성합니다. 기술 및 비기술 대상 그룹 모두에 대한 책임 있는 AI 메트릭을 컨텍스트화하여 관련자를 참여시키고 규정 준수 검토를 간소화합니다.
Azure를 사용하여 기계 학습 기술 향상
30일 학습 경험을 통해 Azure의 기계 학습에 대해 자세히 알아보고 실습 자습서에 참여하세요. 이 학습 경험을 마치면 Azure Data Scientist Associate 인증에 응시할 준비를 마치게 됩니다.
전체 기계 학습 수명 주기를 위한 주요 서비스 기능
-
데이터 준비
Azure Databricks와 상호 운용 가능한 Azure Machine Learning 내의 Apache Spark 클러스터에서 대규모 데이터 준비를 빠르게 반복합니다.
-
기능 저장소
여러 작업 영역에서 기능을 검색하고 재사용할 수 있도록 하여 모델 배송의 민첩성을 높입니다.
-
공동 작업이 가능한 전자 필기장
디버깅 및 Git 소스 제어에 대한 지원 등의 풍부한 개발 환경을 위해 Jupyter Notebook 또는 Visual Studio Code에서 Notebook을 시작합니다.
-
자동화된 기계 학습
자동 머신 러닝을 사용하여 분류, 회귀, 시계열 예측, 자연어 처리 작업 및 컴퓨터 비전 작업을 위한 정확한 모델을 신속하게 생성합니다.
-
레지스트리
조직 전체 리포지토리 를 사용하여 여러 작업 영역에서 모델, 파이프라인, 구성 요소 및 데이터 세트를 저장하고 공유합니다. 감사 추적 기능을 사용하여 계보를 캡처하고 데이터를 관리합니다.
-
관리 엔드포인트
관리 엔드포인트를 사용하여 모델 배포 및 채점을 운영하고 메트릭을 기록하고 안전 모델 롤아웃을 수행합니다.
기본 제공되는 포괄적인 보안 및 규정 준수
-
Microsoft는 사이버 보안 연구 및 개발에 연간 USD10억 이상을 투자합니다.
-
Microsoft에 소속된 3,500명이 넘는 보안 전문가가 데이터 보안 및 개인 정보 보호를 전담합니다.
-
Azure는 다른 어떤 클라우드 공급자보다도 더 많은 인증을 취득했습니다. 전체 목록을 확인하세요.
-
사전 투자 비용 없이 필요한 만큼만 요금 지불
Azure 무료 계정 시작
1
2
크레딧을 다 사용한 후에는 종량제로 전환하여 동일한 무료 서비스로 계속 구축하세요. 월간 체험 한도를 초과해서 사용하는 경우에만 요금을 지불합니다.
3
Azure Machine Learning 리소스
IDC MarketScape: MLOps 2022 공급업체 평가
산업 전반의 엔터프라이즈 조직에서 MLOps를 사용하여 AI 및 기계 학습 기술 구현의 과제를 극복하는 방법을 알아보세요.
Azure Machine Learning 가이드 마스터
TensorFlow, Spark, Kubernetes를 사용하여 Azure에서 자동화되고 스케일링 성능이 뛰어난 엔드투엔드 기계 학습 모델 및 파이프라인을 빌드하기 위한 전문가 기술을 배웁니다.
엔지니어링 MLOps 백서
MLOps를 사용하여 기계 학습 솔루션을 구축, 배포 및 모니터링하는 체계적인 접근 방식을 살펴보세요. 프로덕션이 가능한 기계 학습 수명 주기를 대규모로 신속하게 빌드, 테스트 및 관리합니다.
Forrester Total Economic Impact(총 경제적 영향) 연구
Microsoft의 의뢰를 받은 Forrester Consulting Total Economic ImpactTM 연구에서는 Azure Machine Learning 통해 기업이 실현할 수 있는 투자 수익률을 조사합니다.
기계 학습 솔루션 백서
더 안전하고 확장 가능하며 공평한 기계 학습 솔루션을 빌드하는 방법을 알아봅니다.
책임 있는 AI 백서
모델을 더 잘 이해하고, 보호하고, 제어할 수 있는 도구와 방법을 읽어보세요.
MLOps 백서
규모에 맞게 모델을 빌드, 교육 및 배포하는 프로세스를 가속화합니다.
Azure Arc 지원 기계 학습 백서
모든 인프라에서 모델을 빌드, 교육 및 배포하는 방법을 알아보세요.