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 AI용으로 설계된 안전하고 신뢰할 수 있는 플랫폼에서 혁신을 이루어 내세요.
코드 중심 및 끌어서 놓기 디자이너, 자동화된 Machine Learning으로 모든 기술 수준의 생산성 향상
기존 DevOps 프로세스와 통합되고 전체 ML 수명 주기를 관리하는 데 도움이 되는 강력한 MLOps 기능
고급 거버넌스 및 제어를 위한 향상된 보안 및 비용 관리와 함께 최신 공정성 및 모델 해석력으로 책임 있는 AI 솔루션을 빌드하세요.
MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python 및 R을 포함한 오픈 소스 프레임워크 및 언어에 대한 업계 최고의 지원
모든 기술에 대한 생산성 향상 및 ML 액세스
기술 수준과 관계없이 요구 사항을 충족하는 도구를 사용하여 기계 학습 모델을 신속하게 빌드하고 배포합니다. 코드 없는 디자이너를 사용하여 시작하거나, 코드 중신 환경에는 기본 제공 Jupyter Notebook을 사용합니다. 자동화된 Machine Learning UI를 사용하여 빠르게 모델을 만들고 기본 제공 기능 엔지니어링 알고리즘 선택 및 하이퍼 매개 변수 비우기에 액세스하여 정확도가 높은 모델을 개발합니다.
강력한 MLOps를 사용하여 대규모 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 AI 솔루션 빌드
공정성 및 기계 학습 모델 투명성을 위해 최신 기술에 액세스합니다. 예측 설명에 모델 해석력을 사용하여 모델 동작을 더 잘 파악할 수 있습니다. 일반적인 공정성 메트릭을 적용하고 자동으로 비교하며 권장 완화 방법을 사용하여 모델 편향을 줄입니다.
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, 거버넌스 및 제어
- Azure의 엔터프라이즈급 보안, 규정 준수 및 가상 네트워크 지원을 사용하여 기계 학습 모델을 빌드하세요.
- 사용자 지정 역할을 포함하여 ID, 데이터 및 네트워크 액세스에 대한 기본 제공 제어를 사용하여 자산을 보호하세요.
- 회사 네트워크만으로 액세스를 제어하거나 Azure 보안 정책을 적용하세요.
- 감사 내역, 할당량 및 비용 관리, 포괄적인 규정 준수 포트폴리오를 사용하여 거버넌스 및 제어를 관리하세요.
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.
리소스
Azure Machine Learning 지금 사용
Azure Machine Learning을 사용하는 고객
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."
Matt Boujonnier, 분석 애플리케이션 설계자 및 데이터 과학자, Schneider Electric"With Azure Machine Learning, we can focus our testing on the most accurate models and avoid testing a large range of less valuable models. That saves months of time."
Diana Kennedy, IT 전략, 아키텍처 및 계획 담당 부사장, BP"A key part of our transformation has been to embrace the cloud and the digital solutions and services that come with it. This includes a deep dive into AI and machine learning."
Naeem Khedarun, 수석 소프트웨어 엔지니어(AI), ASOS"By unifying our tech stack and bringing our engineers in Big Data and online software together with data scientists, we got our development time down from months to just a few weeks."
Phil Harris, 물리학 조교수, MIT"The [Large Hadron Collider in Europe] pushes technology on many fronts...and produces data rates that are the largest in the world. We are an example of how to do analysis of large datasets."
Borrowell은 AI를 사용하여 고객의 신용도 향상 지원
Borrowell의 혁신적인 AI 기술에서는 신용 점수를 사용하여 캐나다 고객의 신용 및 재정적 복지를 개선하는 권장 사항을 제공합니다.
Azure Machine Learning 업데이트, 블로그 및 알림
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.