Pomiń nawigację

Operacje uczenia maszynowego (MLOps)

Przyspieszanie automatyzacji, współpracy i odtwarzania przepływów pracy uczenia maszynowego

Usprawnione wdrażanie i zarządzanie tysiącami modeli w środowiskach produkcyjnych — od środowiska lokalnego do brzegu sieci

W pełni zarządzane punkty końcowe na potrzeby prognoz wsadowych i prognoz w czasie rzeczywistym umożliwiające szybsze wdrażanie i ocenianie modeli

Powtarzalne potoki automatyzujące przepływy pracy uczenia maszynowego na potrzeby ciągłej integracji/ciągłego dostarczania (CI/CD)

Stale monitoruje metryki wydajności modelu, wykrywa dryf danych i wyzwala ponowne trenowanie na potrzeby zwiększenia wydajności modelu

Szybko dostarczaj innowacje

MLOps — operacje uczenia maszynowego lub metodyka DevOps na potrzeby uczenia maszynowego — to część wspólna osób, procesów i platformy służąca do uzyskiwania wartości biznesowej z uczenia maszynowego. Usprawnia ona opracowywanie i wdrażanie za pomocą monitorowania, weryfikacji i zarządzania modelami uczenia maszynowego.

Tworzenie przepływów pracy i modeli uczenia maszynowego

Używaj zestawów danych i zaawansowanych rejestrów modeli do śledzenia zasobów. Włącz rozszerzoną możliwość śledzenia za pomocą śledzenia kodu, danych i metryk w historii przebiegów. Twórz potoki uczenia maszynowego, aby projektować i wdrażać powtarzalne przepływy pracy modelu oraz zarządzać nimi na potrzeby zapewnienia spójnego dostarczania modelu.

Łatwo wdrażaj modele o wysokiej dokładności w dowolnym miejscu

Wdrażaj szybko bez obaw. Korzystaj z punktów końcowych online, aby wdrażać modele na zaawansowanych komputerach z procesorami CPU i GPU bez konieczności zarządzania podstawową infrastrukturą. Szybko pakuj modele i zapewniaj wysoką jakość na każdym kroku, korzystając z narzędzi do profilowania i walidacji modeli. Użyj kontrolowanego wprowadzania, aby podwyższyć poziom modeli do produkcji.

Efektywnie zarządzaj całym cyklem życia uczenia maszynowego

Korzystaj z wbudowanej integracji z usługami Azure DevOps i GitHub Actions, aby bezproblemowo planować i automatyzować przepływy pracy oraz zarządzać nimi. Optymalizuj potoki trenowania i wdrażania modeli, twórz na potrzeby ciągłej integracji/ciągłego wdrażania (CI/CD), aby ułatwić ponowne trenowanie i łatwo dopasować uczenie maszynowe do istniejących procesów wydania. Użyj zaawansowanej analizy dryfu danych, aby zwiększyć wydajność modelu wraz z upływem czasu.

Uzyskaj ład w zasobach

Śledź historię wersji modelu i pochodzenie pod kątem możliwości inspekcji. Ustaw przydziały obliczeniowe zasobów i zastosuj zasady, aby zapewnić zgodność ze standardami zabezpieczeń, prywatności i zgodności. Skorzystaj z zaawansowanych możliwości, aby osiągnąć cele ładu i kontroli oraz promować przejrzystość i sprawiedliwość modelu.

Skorzystaj z współdziałania z platformą MLflow

Twórz elastyczne i bezpieczniejsze, kompleksowe przepływy pracy uczenia maszynowego przy użyciu platform MLflow i Azure Machine Learning. Bezproblemowo skaluj istniejące obciążenia z wykonywania lokalnego do inteligentnej chmury i urządzeń brzegowych. Przechowuj eksperymenty platformy MLflow, uruchamiaj metryki, parametry i artefakty modelu w scentralizowanym obszarze roboczym usługi Azure Machine Learning.

Przyspiesz współpracę nad metodyką MLOps w różnych obszarach roboczych

Ułatwiaj współpracę między obszarami roboczymi i metodykę MLOps za pomocą rejestrów. Hostuj zasoby uczenia maszynowego w centralnej lokalizacji, udostępniając je wszystkim obszarom roboczym w organizacji. Promuj, udostępniaj i odnajduj modele, środowiska, składniki i zestawy danych w zespołach. Ponowne używanie potoków i wdrażanie modeli utworzonych przez zespoły w innych obszarach roboczych przy zachowaniu pochodzenia i możliwości śledzenia bez zmian.

Centrum zasobów

Zobacz operacje uczenia maszynowego w działaniu

Tworzenie potoków uczenia maszynowego w celu projektowania i wdrażania przepływów pracy modelu oraz zarządzania nimi

Tworzenie potoków uczenia maszynowego w celu projektowania i wdrażania przepływów pracy modelu oraz zarządzania nimi

Tworzenie potoków uczenia maszynowego w celu projektowania i wdrażania przepływów pracy modelu oraz zarządzania nimi

Szybkie wdrażanie przy użyciu skalowania automatycznego i zarządzanych rozproszonych klastrów wnioskowania

Szybkie wdrażanie przy użyciu skalowania automatycznego i zarządzanych rozproszonych klastrów wnioskowania

Szybkie wdrażanie przy użyciu skalowania automatycznego i zarządzanych rozproszonych klastrów wnioskowania

Współpraca z usługami Azure DevOps i GitHub Actions w celu zautomatyzowania przepływów pracy uczenia maszynowego

Współpraca z usługami Azure DevOps i GitHub Actions w celu zautomatyzowania przepływów pracy uczenia maszynowego

Współpraca z usługami Azure DevOps i GitHub Actions w celu zautomatyzowania przepływów pracy uczenia maszynowego

Popraw ład i zarządzanie kosztami we wszystkich projektach uczenia maszynowego

Popraw ład i zarządzanie kosztami we wszystkich projektach uczenia maszynowego

Popraw ład i zarządzanie kosztami we wszystkich projektach uczenia maszynowego

Wbudowane funkcje kompleksowych zabezpieczeń i zgodności

  • Firma Microsoft inwestuje ponad miliard dolarów (USD 1mld) rocznie w badania i rozwiązania w zakresie cyberbezpieczeństwa.

  • Zatrudniamy ponad 3,500 ekspertów w dziedzinie zabezpieczeń, którzy są skoncentrowani na ochronie danych i prywatności.

  • Platforma Azure ma więcej certyfikatów w porównaniu z innymi dostawcami usług w chmurze. Wyświetl pełną listę.

Wprowadzenie do bezpłatnego konta platformy Azure

Rozpocznij bezpłatnie. Uzyskaj $200 środków do wykorzystania w ciągu 30 dni. W tym czasie możesz skorzystać z dowolnej ilości naszych najpopularniejszych usług oraz z ponad 40 innych usług, które są zawsze bezpłatne.

Po otrzymaniu środków, przejdź do płać na bieżąco aby kontynuować tworzenie za pomocą tych samych, bezpłatnych usług. Płać tylko wtedy, gdy używasz więcej niż to, co obejmują bezpłatne kwoty miesięczne.

Po upływie 12 miesięcy nadal będziesz otrzymywać ponad 40 zawsze bezpłatnych usług i nadal będziesz płacić tylko za to, czego używasz ponad bezpłatnymi, miesięcznymi kwotami.

Zobacz, jak klienci dostarczają wartość dzięki operacjom uczenia maszynowego

FedEx

"Customers expect timely and accurate information on their packages and a data-based delivery experience. We're helping FedEx stay on the leading edge with Azure Machine Learning, and we're building expertise for future projects."

Bikram Virk, menedżer produktu, sztuczna inteligencja i uczenie maszynowe, FedEx
FedEx

BRF

"We're scaling with automated machine learning in Azure and MLOps capabilities in Azure Machine Learning so that our 15 analysts can focus on more strategic tasks instead of the mechanics of merging spreadsheets and running analyses."

Alexandre Biazin, kierownik ds. technologii, BRF
BRF

Nestle

"MLOps is at the core of our product. Because of its reproducible ML pipelines, ...registered models, and automatic model scoring, we're definitely detecting things that we missed before. Which, in terms of risk management, is really, really important."

Ignasi Paredes-Oliva, analityk danych potencjalnych klientów, Nestlé Global Security Operations Center
Nestle Italia

PepsiCo

"We've used the MLOps capabilities in Azure Machine Learning to simplify the whole machine learning process. That allows us to focus more on data science and let Azure Machine Learning take care of end-to-end operationalization."

Michael Cleavinger, starszy dyrektor ds. nauki o danych i analizy zaawansowanej obejmującej szczegółowe informacje o klientach, PepsiCo
PepsiCo

Wszystko gotowe — utwórz bezpłatne konto platformy Azure