탐색 건너뛰기

Azure Machine Learning 서비스

클라우드에서 에지로 기계 학습 가속화

Machine Learning을 사용하는 이유는?

생산성

자동화된 기계 학습 및 관리되는 계산을 사용하여 실험 속도를 높이고 모델을 더 빠르게 빌드하세요.

개방성

이미 알고 있는 기계 학습 라이브러리 및 IDE를 사용하세요.

신뢰성

Azure 및 가상 네트워크의 기능이 지원하는 보안 및 규정 준수와 함께 엔터프라이즈 준비 상태를 활용하세요.

하이브리드

기계 학습 모델을 빌드, 학습 및 관리하고 클라우드에서 에지로 배포하세요.

Machine Learning에 제공되는 기능

자동화된 기계 학습 및 하이퍼 매개 변수 조정

자동화된 기계 학습을 사용하여 가장 효율적인 알고리즘을 더 빠르게 식별하고 자동화된 하이퍼 매개 변수 조정을 사용하여 모델 성능을 최적화하세요.

버전 제어 및 재현성

재현성 및 간편한 수정을 위한 실험을 추적 및 기록하여 실험 속도를 높이세요.

오픈 소스 라이브러리 및 IDE에 대한 지원

Tensorflow, PyTorch 및 scikit-learn과 같은 기계 학습 라이브러리를 사용하세요. Machine Learning은 Visual Studio Code, Visual Studio, Azure Databricks Notebooks 또는 Jupyter Notebooks와 같은 원하는 Python IDE와 통합됩니다.

모델 관리

이미지 및 모델 레지스트리를 사용하여 능동적으로 모델을 관리 및 모니터링하고, 통합형 CI/CD를 통해 업그레이드하세요.

하이브리드 배포

클라우드 및 에지에 대한 관리되는 배포를 사용하여 가장 많이 필요한 곳에 모델을 배포하세요.

배포된 딥 러닝

대규모 관리되는 GPU 클러스터를 사용하여 향상된 모델을 더 빠르게 빌드하세요. 배포된 딥 러닝을 사용하여 모델을 빠르게 학습시키고 FPGA에 배포하세요.

Machine Learning을 사용하는 방법

1단계: 작업 영역 만들기

SDK를 설치하고 작업 영역을 만들어 계산 리소스, 모델, 배포 및 실행 기록을 클라우드에 저장하세요.

2단계: 모델 학습

고유한 모델을 가져오거나 새 모델을 만든 후 로컬 또는 클라우드에서 데이터를 사용하여 모델을 학습시키세요. 실험을 추적하고 관리되는 계산을 통해 학습을 간편하게 확장하세요.

3단계: 배포 및 관리

모델을 테스트 또는 프로덕션 환경에 배포하여 예측을 생성하세요. 클라우드 또는 에지에 배포하거나, 매우 빠른 추론을 위해 FPGA에서 하드웨어로 가속화된 모델을 이용하세요. 모델이 프로덕션 환경에 있을 때 모델의 성능 및 데이터 드리프트를 모니터링하고 필요에 따라 다시 학습시키세요.

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

Data Science Virtual Machines

AI 개발용으로 사전 구성된 풍부한 환경

Azure Machine Learning 서비스로 더 나은 결정을 내리실 수 있습니다.