탐색 건너뛰기

Azure Machine Learning 서비스

기계 학습 모델을 빌드 및 학습하고 클라우드에서 에지로 배포

알림

  • TAL
  • Asos
  • Elastacloud
  • Wipro
  • Cognizant

개요

기계 학습 모델의 빌드, 학습 및 배포를 간소화하고 가속화하세요. 자동화된 기계 학습을 통해 적합한 알고리즘을 식별하고 하이퍼 매개 변수를 더 빠르게 조정하세요. 자동 크기 조정 컴퓨팅 및 기계 학습용 DevOps를 사용하여 생산성을 개선하고 비용을 줄이세요. 한 번 클릭으로 클라우드 및 에지에 매끄럽게 배포하세요. PyTorch, TensorFlow 및 scikit-learn과 같은 최신 오픈 소스 프레임워크를 사용하여 원하는 Python 환경에서 이러한 모든 기능에 액세스하세요.

Azure Machine Learning 서비스를 사용해야 하는 이유

생산성

자동화된 기계 학습, 자동 크기 조정 클라우드 컴퓨팅 및 기본 제공 DevOps를 사용하여 모델을 더 빠르게 빌드하고 학습시키세요.

개방성

Python 환경에서 원하는 프레임워크 및 도구와 함께 Azure Machine Learning Service를 사용하세요.

신뢰성

Azure 보안, 규정 준수 기능 및 가상 네트워크 지원을 통해 엔터프라이즈 준비 상태를 개선하세요.

하이브리드

온-프레미스, 클라우드 또는 에지에서 모델을 빌드, 학습 및 배포하세요.

Azure Machine Learning Service 기능

자동화된 기계 학습

적합한 알고리즘과 하이퍼 매개 변수를 더 빠르게 식별하세요.

관리되는 컴퓨팅

손쉽게 모델을 학습하고 강력한 GPU 클러스터 크기를 자동으로 조정하여 비용을 절감합니다.

기계 학습을 위한 DevOps

실험 추적, 모델 관리 및 모니터링과 통합형 CI/CD 및 기계 학습 파이프라인을 사용하여 생산성을 높이세요.

간단한 배포

몇 줄의 코드로 온-프레미스, 클라우드 및 에지에 모델을 배포하세요.

도구 중립적 Python SDK

Azure Machine Learning Service는 Visual Studio Code, Jupyter Notebooks 및 PyCharm을 포함한 Python 환경과 통합됩니다.

오픈 소스 프레임워크 지원

PyTorch, TensorFlow, scikit-learn 등의 원하는 기계 학습 프레임워크 및 도구를 사용하세요.

Azure Machine Learning 서비스를 사용하는 방법

1/3단계

1단계: 작업 영역 생성

선호하는 Python 환경에서 SDK를 설치하고 작업 영역을 만들어 컴퓨팅 리소스, 모델, 배포 및 실행 기록을 클라우드에 저장합니다.

2/3단계

2단계: 구축 및 학습

원하는 프레임워크 및 자동화된 기계 학습 기능을 사용하여 적합한 알고리즘 및 하이퍼 매개 변수를 빠르게 식별합니다. 클라우드에서 실험을 추적하고 강력한 GPU에 쉽게 액세스합니다.

3/3단계

3단계: 배포 및 관리

클라우드 또는 에지에 모델을 배포하고 매우 빠른 추론을 위해 FPGA(필드 프로그래머블 게이트 어레이)에서 하드웨어 가속 모델을 이용합니다. 모델이 프로덕션 환경에 있을 때 모델의 성능 및 데이터 드리프트를 모니터링하고 필요에 따라 다시 교육하세요.

관련 제품 및 서비스

Azure Databricks

빠르고 쉬운 협업용 Apache Spark 기반 분석 플랫폼

Machine Learning Studio

예측 분석 솔루션을 간단히 구축, 배포 및 관리

SQL Data Warehouse

엔터프라이즈급 기능을 갖춘 탄력적인 Data warehouse-as-a-Service

Data Science Virtual Machines

AI 개발용으로 사전 구성된 풍부한 환경

Azure Machine Learning 서비스를 사용하여 더 나은 결정 내리기 시작