엔드투엔드 기계 학습 수명 주기를 가속화하세요.
기계 학습 모델을 보다 빠르게 빌드, 교육 및 배포할 수 있는 광범위한 생산 환경으로 개발자 및 데이터 과학자의 역량을 강화하세요. 기계 학습을 위한 DevOps인 업계 최고의 MLOps를 사용하여 출시 시간을 가속화하고 팀 협업을 촉진하세요. 책임 있는 ML을 위해 설계된 안전하고 신뢰할 수 있는 플랫폼에서 혁신을 이루어 내세요.
모든 기술을 위한 ML
코드 중심의 끌어서 놓기 디자이너와 자동화된 Machine Learning으로 모든 기술 수준의 생산성을 향상합니다.
엔드투엔드 MLOps
기존 DevOps 프로세스와 통합되고 전체 ML 수명 주기를 관리하는 데 도움이 되는 강력한 MLOps 기능을 제공합니다.
최첨단 책임 있는 ML
책임 있는 ML 기능 – 해석 기능과 공정성으로 모델을 이해하고 차등 개인 정보 보호 및 기밀 컴퓨팅으로 데이터를 보호하며 감사 내역 및 데이터시트로 ML 수명 주기를 제어합니다.
개방성 및 상호 운용성
MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, R 등의 오픈 소스 프레임워크 및 언어에 대한 업계 최고의 지원을 제공합니다.
모든 기술에 ML을 사용하여 생산성 향상
기술 수준과 관계없이 요구 사항을 충족하는 도구를 사용하여 기계 학습 모델을 신속하게 빌드하고 배포합니다. 코드 없는 디자이너를 사용하여 코드 중심 환경을 위한 시각적 기계 학습 또는 기본 제공 협업 Jupyter Notebooks를 시작합니다. 자동화된 Machine Learning을 사용하여 빠르게 모델을 만들고 기본 제공 기능 엔지니어링, 알고리즘 선택 및 하이퍼 매개 변수 스윕에 액세스하여 정확도가 높은 모델을 개발합니다.
MLOps를 사용하여 규모에 맞게 운영
기계 학습을 위한 DevOps인 MLOps는 모델 빌드에서 배포 및 관리에 이르는 기계 학습 수명 주기를 간소화합니다. ML 파이프라인을 사용하여 반복 가능한 워크플로를 빌드하고, 풍부한 모델 레지스트리를 사용하여 자산을 추적합니다. 고급 경고 및 기계 학습 자동화 기능을 사용하여 프로덕션 워크플로를 대규모로 관리합니다. 클라우드에서 에지에 이르기까지 어디서나 기계 학습 모델을 프로파일링, 유효성 검사 및 배포하여 프로덕션 ML 워크플로를 엔터프라이즈 지원 형식으로 대규모 관리합니다.
책임 있는 ML 솔루션 빌드
데이터, 모델 및 프로세스를 보호하고 제어하는 기능을 제공하는 최신의 책임 있는 ML 기능에 액세스합니다. 학습 및 추론 중의 모델 동작을 설명하고 모델 바이어스를 검색하고 완화하여 공정성을 위해 빌드합니다. 차등 개인 정보 보호 기술을 사용하여 기계 학습 수명 주기 전반에 걸쳐 개인 정보 보호를 유지하고, ML 자산을 보호하기 위해 기밀 컴퓨팅을 사용합니다. 책임을 질 수 있도록 자동으로 감사 내역을 유지 관리하고, 계보를 추적하며, 모델 데이터시트를 사용합니다.
유연한 개방형 플랫폼 기반의 혁신
기계 학습 모델 학습 및 추론을 위한 오픈 소스 도구 및 프레임워크에 대한 기본 제공 지원을 활용합니다. PyTorch, TensorFlow 및 scikit-learn 같은 친숙한 프레임워크나 상호 운용 가능한 개방형 ONNX 형식을 사용합니다. 많이 사용되는 IDE, Jupyter Notebook 및 CLI를 포함하여 요구 사항에 가장 적합한 개발 도구나 Python 및 R과 같은 언어를 선택하세요. ONNX Runtime을 사용하여 전체 클라우드 및 에지 디바이스에서 추론을 최적화하고 가속화합니다.
고급 보안 및 거버넌스
- 처음부터 보안을 확보하고 Azure를 사용하여 신뢰할 수 있는 클라우드에서 빌드하세요.
- 세부적인 역할 기반 액세스, 사용자 지정 역할 및 ID 인증을 위한 기본 제공 메커니즘을 사용하여 리소스에 대한 액세스를 보호합니다.
- 네트워크를 가상 네트워크 및 비공개 링크로 격리하여 안전하게 학습하고 모델을 배포합니다.
- 정책, 감사 내역, 할당량 및 비용 관리를 사용하여 거버넌스를 관리합니다.
- FedRAMP High 및 DISA IL5를 비롯한 60가지 인증을 포괄하는 종합적인 포트폴리오를 통해 규정 준수를 간소화합니다.
주요 서비스 기능
협업이 가능한 Notebooks
Intellisense, 손쉬운 컴퓨팅과 커널 전환, 오프라인 Notebook 편집을 통해 생산성을 최대화합니다.
자동화된 ML
분류, 회귀 및 시계열 예측을 위한 정확한 모델을 신속하게 만듭니다. 모델 해석력을 사용하여 모델을 빌드하는 방법을 이해할 수 있습니다.
ML 끌어서 놓기
데이터 변환, 모델 교육 및 평가를 위한 모듈과 함께 디자이너를 사용하거나 몇 번의 클릭으로 ML 파이프라인을 만들고 게시합니다.
데이터 레이블 지정
데이터를 신속하게 준비하고, 레이블 지정 프로젝트를 관리 및 모니터링하고, 기계 학습 지원 레이블 지정을 통해 반복적인 작업을 자동화합니다.
MLOps
중앙 레지스트리를 사용하여 데이터, 모델 및 메타데이터를 저장하고 추적합니다. 계보 및 거버넌스 데이터를 자동으로 캡처합니다. Git을 사용하여 작업을 추적하고, GitHub Actions를 사용하여 워크플로를 구현합니다. 실행을 관리 및 모니터링하거나, 교육 및 실험을 위해 여러 실행을 비교합니다.
컴퓨팅 자동 스케일링
관리형 컴퓨팅을 사용하여 교육을 배포하고 신속하게 테스트하며, 모델의 유효성을 검사하고 배포합니다. CPU 및 GPU 클러스터를 작업 영역 전체에서 공유할 수 있으며 ML 요구에 맞게 자동으로 스케일링할 수 있습니다.
RStudio 통합
기본 제공되는 R 지원 및 RStudio Server(오픈 소스 버전) 통합을 통해 모델을 빌드 및 배포하고 실행을 모니터링합니다.
다른 Azure 서비스와의 심층 통합
Azure Synapse Analytics, Cognitive Search, Power BI, Azure Data Factory, Azure Data Lake, Azure Databricks와 같은 Azure 서비스와 기본적으로 통합되어 생산성을 가속화합니다.
강화 학습
강화 학습을 강력한 컴퓨팅 클러스터로 스케일링하고, 다중 에이전트 시나리오를 지원하고, 오픈 소스 RL 알고리즘, 프레임워크 및 환경에 액세스합니다.
책임 있는 ML
해석력 기능을 사용하여 교육 및 추론 시 모델 투명성을 확보합니다. 차이 메트릭을 통해 모델 공정성을 평가하고 불공정성을 완화합니다. 차등 개인 정보 보호를 사용하여 데이터를 보호합니다.
엔터프라이즈급 보안
네트워크 격리와 Private Link, 리소스와 작업에 대한 역할 기반 액세스 제어, 사용자 지정 역할, 컴퓨팅 리소스에 대한 관리 ID 등의 기능을 사용하여 모델을 안전하게 빌드 및 배포합니다.
Cost Management
작업 영역 및 리소스 수준 할당량 한도를 사용하여 Azure Machine Learning 컴퓨팅을 위한 리소스 할당을 좀 더 효율적으로 관리합니다.
사전 투자 비용 없이 필요한 만큼만 요금 지불
자세한 내용은 Azure Machine Learning 가격 책정 페이지를 참조하세요.
Azure Machine Learning을 사용하는 방법
스튜디오 웹 환경으로 이동
구축 및 학습
배포 및 관리
새 모델을 작성하고 클라우드에 컴퓨팅 대상, 모델, 배포, 메트릭 및 실행 기록을 저장할 수 있습니다.
자동화된 기계 학습을 사용하여 알고리즘 및 하이퍼 매개 변수를 식별하고 클라우드에서 실험을 추적합니다. 노트북이나 끌어서 놓기 디자이너를 사용하여 모델을 작성할 수도 있습니다.
클라우드 및 에지에 기계 학습 모델을 배포하여 성능을 모니터링하고 필요에 따라 다시 학습합니다.
Azure Machine Learning 지금 사용
Azure 체험 계정에 가입하여 즉시 액세스 권한을 받고 $200 크레딧을 받으세요.
Azure Portal에 로그인합니다.
설명서 및 자습서를 살펴봅니다. 빠른 시작 및 개발자 리소스를 찾습니다.
Azure Machine Learning을 사용하는 고객
Jolie Vitale: Carhartt의 BI 및 분석 이사"The model we deployed on Azure Machine Learning helped us choose the three new retail locations we opened in 2019. Those stores exceeded their revenue plans by over 200 percent in December, the height of our season, and within months of opening were among the best-performing stores in their districts."
Scandinavian Airlines
SAS는 Azure Machine Learning을 사용하여 수동 방법으로는 불가능했던 숙련도로 사기를 정확하게 식별합니다. EuroBonus 마일을 위해 항공편을 소급 등록하는 경우(사기의 일반적인 소스) 새로운 시스템은 99%의 정확도로 사기를 예측합니다.
Sze-Wan Ng: TransLink의 분석 및 개발 이사"With MLOps capabilities in Azure Machine Learning, we've improved bus departure predictions by 74 percent, and riders spend 50 percent less time waiting."
Dean Riddlesden, 수석 데이터 과학자, 글로벌 분석, Walgreens Boots Alliance"If I have 200 models to train—I can just do this all at once. It can be farmed out to a huge compute cluster, and it can be done in minutes. So I'm not waiting for days."
Alex Mohelsky: EY Canada의 파트너 및 자문 데이터, 분석, AI 부문 책임자"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."
Xiaodong Wang: TalentCloud의 최고 경영자"The automated machine learning capabilities in Azure Machine Learning save our data scientists from doing a lot of time-consuming work, which reduces our time to build models from several weeks to a few hours."
Azure Machine Learning 업데이트, 블로그 및 알림
-
알림
현재 미리 보기로 제공되는 Azure Open Datasets는 큐레이팅된 데이터 세트에 대한 액세스를 제공합니다.
-
업데이트
Azure Machine Learning offers added capabilities at lower cost
-
업데이트
Azure Machine Learning updates Ignite 2020
-
업데이트
Azure Machine Learning announces output dataset (Preview)
-
업데이트
Azure Machine Learning Studio 웹 환경이 일반 공급됨
-
5월 21, 2020
Meeting the challenges of today and tomorrow with Azure AI
-
업데이트
Azure Machine Learning의 새로운 책임 있는 ML 혁신
-
업데이트
Azure Machine Learning – Build 2020의 새로운 기능
-
5월 19, 2020
Build AI you can trust with responsible ML
Azure Machine Learning에 대해 자주 묻는 질문
-
이 서비스는 여러 국가/지역에서 일반적으로 사용할 수 있으며, 더 많은 서비스가 진행 중입니다.
-
Azure Machine Learning에 대한 서비스 수준 계약(SLA)은 99.9%입니다.
-
Azure Machine Learning Studio는 기계 학습 서비스의 최상위 리소스입니다. 데이터 과학자 및 개발자가 기계 학습 모델을 빌드, 교육 및 배포하기 위해 모든 아티팩트로 작업할 수 있는 중앙 집중식 위치를 제공합니다.