홈
서비스
Azure Machine Learning

Azure Machine Learning

엔터프라이즈급 기계 학습 서비스로 보다 빠르게 모델 빌드 및 배포

엔드투엔드 기계 학습 수명 주기를 가속화하세요.

Empower data scientists and developers with a wide range of productive experiences to build, train, and deploy machine learning models and foster team collaboration. Accelerate time to market with industry-leading MLOps—DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.

Machine Learning for all skill levels

코드 중심의 끌어서 놓기 디자이너와 자동화된 Machine Learning으로 모든 기술 수준의 생산성을 향상합니다.

엔드투엔드 MLOps

Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows.

Responsible machine learning innovation

Rich set of built-in responsible capabilities to understand, protect, and control data, models and processes.

개방성 및 상호 운용성

MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, R 등의 오픈 소스 프레임워크 및 언어에 대한 업계 최고의 지원을 제공합니다.

Learn how to build models securely across hybrid and multicloud environments with Azure Machine Learning and Azure Arc. Read the announcement.

Boost productivity with machine learning for all skills

Rapidly build and deploy machine learning models using tools that meet your needs regardless of skill level. Use built-in Jupyter Notebooks with Intellisense or the drag-and-drop designer. Accelerate model creation with automated machine learning, and access powerful feature engineering, algorithm selection, and hyperparameter-sweeping capabilities. Increase team efficiency with shared datasets, notebooks, models, and customizable dashboards that track all aspects of the machine learning process.

Operationalize at scale with MLOps

Take advantage of MLOps to streamline the machine learning lifecycle, from building models to deployment and management. Create reproducible workflows with machine learning pipelines, and train, validate and deploy thousands of models at scale, from the cloud to the edge. Use Azure DevOps or GitHub Actions to schedule, manage, and automate the machine learning pipelines, and use advanced data-drift analysis to improve model performance over time.

Build responsible machine learning solutions

Access state-of-the-art responsible machine learning capabilities to understand, protect, and control your data, models, and processes. Explain model behavior during training and inferencing, and build for fairness by detecting and mitigating model bias. Preserve data privacy throughout the machine learning lifecycle with differential privacy techniques, and use confidential computing to secure machine learning assets. Automatically maintain audit trails, track lineage, and use model datasheets to enable accountability.

Innovate on an open and flexible platform

Get built-in support for open-source tools and frameworks for machine learning model training and inferencing. Use familiar frameworks like PyTorch, TensorFlow, or scikit-learn, or the open and interoperable ONNX format. Choose the development tools that best meet your needs, including popular IDEs, Jupyter Notebooks, and CLIs, or languages such as Python and R. Use ONNX Runtime to optimize and accelerate inferencing across cloud and edge devices. Track all aspects of your training experiments using MLfLow.

Advanced security, governance, and hybrid infrastructure

Train models on your hybrid infrastructure using Kubernetes clusters on-premises, across multicloud environments, and at the edge with Azure Arc interoperability.
Access security capabilities such as role-based access, custom machine learning roles, virtual networks, and private links. Manage governance with policies, audit trails, quota, and cost management.
FedRAMP High 및 DISA IL5를 비롯한 60가지 인증을 포괄하는 종합적인 포트폴리오를 통해 규정 준수를 간소화합니다.

Azure의 보안에 대해 자세히 알아보기

주요 서비스 기능

협업이 가능한 Notebook

IntelliSense, 손쉬운 컴퓨팅, 커널 전환과 오프라인 Notebook 편집을 통해 생산성을 최대화합니다.

자동화된 기계 학습

분류, 회귀, 시계열 예측을 위한 정확한 모델을 빠르게 만듭니다. 모델 해석력을 사용하여 모델을 빌드하는 방법을 이해할 수 있습니다.

끌어서 놓기 기계 학습

데이터 변환, 모델 학습 및 평가 또는 손쉬운 기계 학습 파이프라인 만들기 및 게시를 위한 모듈과 함께 디자이너 같은 기계 학습 도구를 사용합니다.

데이터 레이블 지정

데이터를 빠르게 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, 학습 및 실험을 위해 여러 실행을 비교합니다.

컴퓨팅 자동 스케일링

관리형 컴퓨팅을 사용하여 학습을 분산하고 모델을 빠르게 테스트, 유효성 검사, 배포합니다. 작업 영역에서 CPU 및 GPU 클러스터를 공유하고 기계 학습 요구 사항에 맞게 자동으로 스케일링합니다.

다른 Azure 서비스와의 심층 통합

Accelerate productivity with built-in integration with Microsoft Power BI and Azure services such as Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc and Azure Databricks.

Hybrid and multicloud support

Run machine learning on existing Kubernetes clusters on-premises, in multi-cloud and at the edge with Azure Arc. Use the simple one-click deploy ML agent to start training models securely, wherever your data lives.

강화 학습

강화 학습을 강력한 컴퓨팅 클러스터로 스케일링하고 다중 에이전트 시나리오를 지원하고 오픈 소스 강화 학습 알고리즘, 프레임워크, 환경에 액세스합니다.

책임 있는 기계 학습

Get model transparency at training and inferencing with interpretability capabilities. Assess model fairness through disparity metrics and mitigate unfairness. Protect data with differential privacy and confidential machine learning pipelines.

엔터프라이즈급 보안

네트워크 격리와 프라이빗 링크 기능, 리소스와 작업에 대한 역할 기반 액세스 제어, 사용자 지정 역할, 컴퓨팅 리소스에 대한 관리 ID 등의 기능을 사용하여 모델을 더 안전하게 빌드 및 배포합니다.

Cost Management

작업 영역 및 리소스 수준 할당량 한도를 사용하여 Azure Machine Learning 컴퓨팅 인스턴스의 리소스 할당을 더 효율적으로 관리합니다.

사전 투자 비용 없이 필요한 만큼만 요금 지불

Azure Machine Learning 가격 확인