Trace Id is missing
주 콘텐츠로 건너뛰기
Azure

데이터 과학자용 기계 학습

데이터 과학자 및 기계 학습 엔지니어용 기계 학습 도구를 살펴보고 Azure에서 클라우드 규모의 기계 학습 솔루션을 빌드하는 방법을 알아보세요.

Azure의 기계 학습 살펴보기

Azure 도구 및 서비스를 사용하여 원하는 방식으로 책임감 있게 중요 업무용 프로세스를 위한 기계 학습 모델을 빌드 및 배포합니다.

원하는 방식으로 기계 학습 모델 개발

원하는 도구, 개발 언어, 환경, 기계 학습 프레임워크를 사용하여 기계 학습 모델을 빌드하고 Azure AI를 통해 클라우드, 온-프레미스 또는 에지에 모델을 배포합니다.

기계 학습 솔루션을 책임감 있게 빌드

기계 학습 모델을 이해하고, 차등 개인 정보 보호 및 기밀 컴퓨팅으로 데이터를 보호하며, 감사 내역 및 데이터시트로 기계 학습 수명 주기를 제어합니다.

중요 비즈니스용 프로세스를 위한 기계 학습 모델을 안전하게 배포

확장성, 내결함성을 갖춘 재현 가능한 기계 학습 솔루션을 배포 및 관리합니다.

다른 데이터 과학자가 Azure Machine Learning을 사용하는 방법 알아보기

기업들이 Azure를 사용하여 중요 업무용 워크로드를 지원하는 방법을 살펴보세요.

Humana

Humana에서 AI 지원 중요 업무용 의료 서비스 환경을 제공하는 방법을 확인하세요.

AGL

AGL에서 Azure Machine Learning을 사용하여 MLOps를 구현한 방법을 알아보세요.

UCLA

UCLA에서 선구적으로 AI를 사용하여 의사를 지원하는 방법을 알아보세요.

탭으로 돌아가기

동영상을 통해 기계 학습 살펴보기

기계 학습 솔루션을 사용하여 중요 업무용 애플리케이션을 지원하는 방법을 살펴보세요.

대규모로 기계 학습 모델 학습시키기

Azure에서 적합한 컴퓨팅을 활용하여 학습 작업을 스케일링하는 방법을 이해하세요.

모델 배포 및 추론

대규모 모델 추론의 다양한 배포 옵션 및 최적화에 대해 알아보세요.

MLOps 설명

MLOps 및 MLOps와 연결된 프로세스의 중요성에 대해 알아보세요.

기계 학습 환경 보호

Azure를 사용하여 엔터프라이즈급 보안 및 거버넌스에 액세스하는 방법을 확인하세요.

하이브리드 및 다중 클라우드 기계 학습

하이브리드 및 다중 클라우드 기계 학습 환경을 프로비전하는 방법을 확인하세요.

개방성 및 상호 운용성을 갖춘 기계 학습

Azure Machine Learning이 오픈 소스 기술과 함께 작동하고 다른 Azure 서비스와 통합되는 방법을 확인하세요.

탭으로 돌아가기

Azure Machine Learning을 사용하는 MLOps

대규모로 기계 학습 모델을 빌드, 학습, 배포하는 프로세스를 가속화합니다.

엔터프라이즈급 보안 및 규모의 Machine Learning 솔루션

Azure Machine Learning을 사용하여 안전하고 확장성이 있으며 공정한 기계 학습 솔루션을 빌드하는 방법을 알아봅니다.

Azure Machine Learning을 사용한 책임 있는 AI

기계 학습 모델을 이해, 보호, 제어하는 데 도움이 되는 도구와 방법을 살펴봅니다.

샘플 솔루션 아키텍처를 통해 자세히 알아보기

Azure Machine Learning 사용에 대한 다양한 시나리오를 살펴봅니다.

기계 학습

하이퍼 매개 변수라는 조정 가능한 매개 변수를 사용하여 모델 학습 프로세스를 제어합니다. Python 모델의 하이퍼 매개 변수를 튜닝하기 위한 권장 사례를 살펴보고 하이퍼 매개 변수 튜닝을 자동화하고 병렬로 실험을 실행하여 하이퍼 매개 변수를 효율적으로 최적화하는 방법을 알아봅니다.

딥 러닝

GPU 지원 가상 머신의 클러스터에서 심층 기계 학습 모델의 분산 학습을 수행하는 방법을 알아봅니다. 이 시나리오는 이미지 분류를 위한 것이지만 솔루션은 조각화 또는 개체 감지와 같은 기타 딥 러닝 시나리오로 일반화될 수 있습니다.

MLOps

Azure DevOps, Azure Machine Learning을 사용하여 AI 애플리케이션에 대한 CI(연속 통합), CD(지속적인 업데이트), 재학습 파이프라인을 구현하는 방법을 알아봅니다. 이 솔루션은 scikit-learn 당뇨병 데이터 세트를 기반으로 빌드되지만 AI 시나리오와 기타 인기 있는 빌드 시스템에 맞게 쉽게 조정할 수 있습니다.

에지 배포

Azure Stack Edge를 사용하여 클라우드의 신속한 기계 학습 유추를 온-프레미스 또는 에지 시나리오로 확장하는 방법을 알아봅니다. Azure Stack Edge를 사용하여 컴퓨팅, 스토리지, 네트워킹, 하드웨어 가속 기계 학습 등의 Azure 기능을 모든 에지 위치에 활용합니다.

일괄 처리 채점

Azure Machine Learning을 사용하여 다른 이미지의 스타일로 기존 이미지를 동영상으로 구성하는 딥 러닝 기술인 신경망 스타일 전송을 적용하는 방법을 알아봅니다.

실시간 채점

AKS(Azure Kubernetes Service)를 사용하여 실시간으로 예측하는 웹 서비스로 Python 모델을 배포하는 방법을 알아봅니다. AKS에 배포된 기계 학습 모델은 대규모 프로덕션 배포에 적합합니다.