MLOps(기계 학습 작업)

기계 학습 수명 주기를 자동화 및 가속화하는 Azure Machine Learning 기능

더 빠르게 혁신을 제공할 수 있도록 지원하는 MLOps

MLOps(또는 기계 학습을 위한 DevOps)를 사용하면 데이터 과학 및 IT 팀이 협업하여 기계 학습 모델의 모니터링, 유효성 검사 및 거버넌스를 통해 모델 개발 및 배포를 가속화할 수 있습니다.

풍부한 모델 레지스트리의 데이터 세트, 코드, 실험 및 환경에 대한 고급 추적을 통한 교육 재현성

자동 크기 조정, 강력한 관리형 컴퓨팅, 코드리스 배포 및 손쉬운 모델 학습 및 배포를 위한 도구

CI/CD(연속 통합/지속적인 배포)를 사용하여 빌드 및 배포하는 예약 및 관리 기능이 포함된 효율적인 워크플로

거버넌스 및 제어 목표를 충족하고 모델 투명성과 공정성을 높이는 고급 기능

리소스 센터

추가 리소스

MLOPs GitHub

MLOps 설명서

수행 중인 MLOps 참조

모델 워크플로를 디자인, 배포 및 관리하는 ML 파이프라인 빌드

모델 워크플로를 디자인, 배포 및 관리하는 ML 파이프라인 빌드

모델 워크플로를 디자인, 배포 및 관리하는 ML 파이프라인 빌드

자동 스케일링, 관리형, 분산형 추론 클러스터를 사용하여 자신 있고 신속하게 배포

자동 스케일링, 관리형, 분산형 추론 클러스터를 사용하여 자신 있고 신속하게 배포

자동 스케일링, 관리형, 분산형 추론 클러스터를 사용하여 자신 있고 신속하게 배포

Azure DevOps 및 GitHub Actions를 통합하여 ML 워크플로 자동화하기

Azure DevOps 및 GitHub Actions를 통합하여 ML 워크플로 자동화하기

Azure DevOps 및 GitHub Actions를 통합하여 ML 워크플로 자동화하기

ML 프로젝트에서 향상된 거버넌스 및 비용 관리 만들기

ML 프로젝트에서 향상된 거버넌스 및 비용 관리 만들기

ML 프로젝트에서 향상된 거버넌스 및 비용 관리 만들기

고객이 MLOps를 사용하여 가치를 제공하는 방법 보기

"Using the MLOps capabilities in Azure Machine Learning, we were able to increase productivity and enhance operations, going to production in a timely fashion and creating a repeatable process."

Vijaya Sekhar Chennupati, Johnson Controls의 적용된 데이터 과학자
Johnson Controls