Trace Id is missing
주 콘텐츠로 건너뛰기

Azure Machine Learning

엔드투엔드 기계 학습 수명 주기 동안 엔터프라이즈급 AI 서비스를 사용합니다.

중요 비즈니스용 기계 학습 모델을 대규모로 빌드

Azure Machine Learning은 데이터 과학자와 개발자가 고품질 모델을 더 빠르고 자신 있게 빌드, 배포 및 관리할 수 있도록 지원합니다. 업계 최고의 기계 학습 운영(MLOps), 오픈 소스 상호 운용성 및 통합 도구를 통해 가치 실현 시간을 단축합니다. 신뢰할 수 있는 이 AI 학습 플랫폼은 기계 학습에서 책임 있는 AI 애플리케이션을 위해 설계되었습니다.

Video container

가치 실현을 위한 시간 단축

강력한 AI 인프라를 활용하여 기계 학습 모델을 빌드하고 프롬프트 흐름으로 AI 워크플로를 오케스트레이션합니다.

MLOps 공동 작업 및 간소화

작업 영역 간 공동 작업 및 MLOps를 위한 빠른 ML 모델 배포, 관리 및 공유

자신 있게 개발

어디서나 기계 학습 워크로드를 실행하기 위한 기본 제공 거버넌스, 보안 및 규정 준수.

책임감 있게 디자인

책임 있는 AI는 투명성과 책임을 위해 데이터 기반 결정을 사용하여 설명 가능한 모델을 빌드합니다.

Analytics + AI로 예측 인사이트 파악 웨비나 시청하기

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.

탭으로 돌아가기

생성형 AI용 Azure Machine Learning

AI 워크플로 오케스트레이션

프롬프트 흐름을 사용하여 대규모 언어 모델 기반 애플리케이션의 디자인, 평가 및 배포를 간소화합니다. 다양한 도구 및 리소스에서 프롬프트와 흐름을 쉽게 추적하고, 재현하고, 시각화하고, 개선하고, Machine Learning의 생성형 AI에 대해 자세히 알아보세요.

관리 엔드투엔드 플랫폼

네이티브 MLOps 기능으로 전체 대규모 언어 모델 수명 주기 및 모델 관리를 간소화합니다. 엔터프라이즈급 보안으로 어디서나 기계 학습을 안전하게 실행하세요. 책임 있는 AI 대시보드를 사용하여 모델 바이어스를 완화하고 모델을 평가합니다.

유연한 도구 및 프레임워크

PyTorch 또는 TensorFlow와 같은 유연한 프레임워크를 사용하여 Visual Studio Code 및 Jupyter Notebook과 같은 도구에서 딥 러닝 모델을 빌드합니다. Azure Machine Learning은 ONNX 런타임DeepSpeed와 호환되어 학습 및 유추를 최적화합니다.

세계적 수준의 성능

최신 NVIDIA GPU와 최대 400Gbps의 InfiniBand 네트워킹 솔루션을 결합하도록 설계된 특수 빌드 AI 인프라를 사용하세요. 전례 없는 규모로 단일 클러스터 내에서 최대 수천 개의 GPU로 확장할 수 있습니다.

신속한 모델 개발로 가치 실현 시간 단축

통합 스튜디오 환경을 사용하여 생산성을 향상시킵니다. 오픈 소스 프레임워크 및 라이브러리에 대한 기본 제공 지원을 사용하여 Jupyter Notebook으로 모델을 빌드하고, 교육하고, 배포합니다. 테이블 형식, 텍스트 및 이미지 데이터에 대한 자동화된 Machine Learning으로 모델을 신속하게 생성합니다. Visual Studio Code를 사용하여 로컬 교육에서 클라우드 교육으로 원활하게 이동하고 NVIDIA Quantum-2 InfiniBand 플랫폼 기반의 Azure AI 인프라로 자동으로 크기를 조정합니다. 프롬프트 흐름을 사용하여 대규모 언어 모델 기반 애플리케이션에 대한 프롬프트를 디자인하고, 비교하고, 평가하고, 배포합니다.

MLOps를 사용하여 모델 관리 공동 작업 및 간소화

MLOps를 사용하여 여러 환경에서 수천 개의 모델 배포 및 관리를 간소화합니다. 일괄 및 실시간 예측을 위한 완전 관리 엔드포인트로 ML 모델을 더 빠르게 배포하고 점수를 매깁니다. 반복 가능한 파이프라인을 사용하여 지속적 통합 및 지속적 제공(CI/CD)을 위한 워크플로를 자동화합니다. 레지스트리 및 관리형 기능 저장소를 사용하여 작업 영역 간 공동 작업을 위해 여러 팀에서 기계 학습 아티팩트를 공유하고 검색합니다. 모델 성능 메트릭을 지속적으로 모니터링하고, 데이터 드리프트를 감지하고, 재교육을 트리거하여 모델 성능을 개선합니다.

하이브리드 플랫폼에서 엔터프라이즈급 솔루션 빌드

Microsoft Purview에서 기본 제공되는 데이터 거버넌스를 사용하여 기계 학습 수명 주기 전반에 걸쳐 보안을 우선적으로 고려하세요. Microsoft에서 테스트하고 유효성을 검사한 ID, 데이터, 네트워킹, 모니터링 및 규정 준수를 포괄하는 포괄적인 보안 기능을 활용하세요. 사용자 지정 역할 기반 액세스 제어, 가상 네트워크, 데이터 암호화, 프라이빗 엔드포인트 및 개인 IP 주소를 사용하여 솔루션을 보호합니다. 온-프레미스에서 멀티클라우드에 이르기까지 어디에서나 모델을 교육하고 배포하여 데이터 주권 요구 사항을 충족합니다. 기본 제공 정책과 FedRAMP High 및 HIPAA를 포함한 60개 인증 준수를 사용하여 자신 있게 관리합니다.

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.

회의실에서 노트북으로 작업 중인 사람

전체 기계 학습 수명 주기를 위한 주요 서비스 기능

  • 공동 작업이 가능한 Notebook

    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.

  • 기계 학습 끌어서 놓기

    디자이너와 같은 기계 학습 도구를 사용하여 데이터 변환, 모델 학습 및 평가를 수행하거나 기계 학습 파이프라인을 쉽게 만들고 게시합니다.

  • 책임 있는 AI

    해석 기능이 있는 책임 있는 AI 솔루션을 빌드합니다. 차이 메트릭을 통해 모델 공정성을 평가하고 불공정성을 완화합니다.

  • 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

Azure 무료 계정 시작

1

체험 계정을 만드세요. 30일 내에 사용할 수 있는 USD200 크레딧을 받으세요. 크레딧이 있는 동안 Azure의 수많은 인기 서비스와 55가지가 넘는 상시 무료 제공 서비스를 무료로 이용하세요.

2

크레딧을 다 사용한 후에는 종량제로 전환하여 동일한 무료 서비스로 계속 구축하세요. 월간 체험 한도를 초과해서 사용하는 경우에만 요금을 지불합니다.

3

12개월 후에는 상시 무료로 제공되는 55가지가 넘는 서비스를 계속 이용하고, 월간 체험 한도를 초과해서 사용한 만큼만 요금을 지불합니다.

고객이 Azure Machine Learning을 사용하여 AI로 혁신하는 방법 알아보기

"PyTorch와 Azure Machine Learning은 우리 연구 팀의 목표에 완벽하게 일치하여 파괴적인 혁신을 만드는 데 드는 시간을 절약합니다.”

Orlando Ribas Fernandes

Fashable 공동 창립자 겸 CEO

“우리 팀은 일반적으로 [데이터]를 테스트하고 결과를 얻은 다음 이를 사용하여 모델과 알고리즘을 개발한 다음 소프트웨어 제품으로 빌드합니다. 이 플랫폼은 전체 프로세스를 더 간단하고 빠르고 능률적으로 만듭니다.”

Mogens Mikkelsen

SEGES Innovation의 엔터프라이즈 설계자

“더 많은 그룹이 Azure Machine Learning 솔루션에 의존함에 따라 재무 전문가는 더 높은 수준의 작업에 더 집중하고 수동 데이터 수집 및 입력에 소요되는 시간을 줄일 수 있습니다.”

Jeff Neilson

3M의 데이터 과학 관리자

일하는 용접공

i

“Azure Machine Learning을 사용하면 환자에게 개별 상황에 맞는 위험 점수를 보여줄 수 있습니다. …궁극적으로 우리는 위험을 줄이고 불확실성을 줄이며 수술 결과를 개선하는 것을 목표로 합니다.”

Mike Reed 교수

Northumbria Healthcare NHS Foundation Trust의 외상 & 정형외과 임상 책임자

환자와 대화하고 있는 의료 전문가

1

“컴퓨팅 리소스를 확장 및 축소하는 기능은 혁신 속도와 비용 효율성에 매우 중요합니다…. Azure Machine Learning 및 기본 제공 기계 학습 운영 기능은 민첩성과 비용 효율성을 단순하게 만듭니다.”

Kate Puech

AI 엔지니어링 담당 이사, Axon

.

“기계 학습 모델 생성을 위해 Azure Machine Learning의 자동화된 기계 학습 기능을 사용하여 여러 관점에서 다양한 모델을 만들고 실험할 수 있는 환경을 실현할 수 있었습니다.”

Keiichi Sawada

Seven Bank의 기업 혁신 부서

Seven Bank 위치
탭으로 돌아가기

IDC MarketScape: MLOps 2022 공급업체 평가

산업 전반의 엔터프라이즈 조직에서 MLOps를 사용하여 AI 및 기계 학습 기술 구현의 과제를 극복하는 방법을 알아보세요.

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 Learning을 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

더 안전하고 확장 가능하며 공평한 기계 학습 솔루션을 빌드하는 방법을 알아봅니다.

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.

Azure Machine Learning에 대해 자주 묻는 질문

  • 이 서비스는 여러 국가/지역에서 일반 공급 되며 더 많은 국가/지역에서 제공될 예정입니다.

  • Azure Machine Learning에 대한 SLA는 99.9%의 작동 시간을 보장합니다.

  • Azure Machine Learning 스튜디오는 Machine Learning의 최상위 리소스입니다. 이 기능은 데이터 과학자 및 개발자가 기계 학습 모델을 빌드, 학습, 배포하기 위해 모든 아티팩트로 작업할 수 있는 중앙 집중식 위치를 제공합니다.

준비가 되셨다면 Azure 무료 계정을 설정해 보세요

Azure Machine Learning을 무료로 사용해 보세요