Операции машинного обучения (MLOps)

Возможности Машинного обучения Azure, которые автоматизируют и сокращают цикл машинного обучения

MLOps помогает быстрее внедрять инновации

MLOps, или DevOps для машинного обучения, позволяет командам специалистов по обработке и анализу данных и ИТ-специалистов сотрудничать, а также увеличивать темпы разработки и развертывания моделей с помощью мониторинга, проверки и системы управления для моделей машинного обучения.

Воспроизводимость обучения благодаря расширенному отслеживанию наборов данных, кода, экспериментов и сред в обширном реестре моделей.

Автоматическое масштабирование, мощные управляемые вычисления, развертывание без кода и средства для простого обучения и развертывания моделей.

Эффективные рабочие процессы с возможностями планирования и управления для сборки и развертывания с использованием непрерывной интеграции и непрерывного развертывания (CI/CD).

Расширенные возможности для достижения целей системы управления и контроля и обеспечения прозрачности и равномерного распределения модели.

Центр ресурсов

Изучите пошаговое руководство по всему процессу MLOps.

Получите доступ к видео и соответствующим записным книжкам, примерам кода и документации.

Обзор возможностей MLOps. Управление ресурсами, артефактами и кодом

Обзор возможностей MLOps. Создание рабочих процессов машинного обучения на основе событий — видео от Microsoft Channel 9

Обзор возможностей MLOps. Использование CI/CD с GitHub Actions — видео от Microsoft Channel 9

Дополнительные ресурсы

MLOPs на GitHub

Документация по MLOps

Оцените работу MLOps

Создание конвейеров машинного обучения для проектирования, развертывания рабочих процессов модели и управления ими

Создание конвейеров машинного обучения для проектирования, развертывания рабочих процессов модели и управления ими

Быстрое и надежное развертывание с использованием автоматически масштабируемых, управляемых и распределенных кластеров вывода

Быстрое и надежное развертывание с использованием автоматически масштабируемых, управляемых и распределенных кластеров вывода

Интеграция с действиями Azure DevOps и GitHub для автоматизации рабочих процессов ML

Интеграция с действиями Azure DevOps и GitHub для автоматизации рабочих процессов ML

Повышение эффективности управления и контроля затрат в проектах машинного обучения

Повышение эффективности управления и контроля затрат в проектах машинного обучения

Узнайте, как клиенты повышают рентабельность с помощью MLOps

"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."

Виджайя Секхар Ченнупати (Vijaya Sekhar Chennupati), специалист по обработке и анализу прикладных данных, Johnson Controls
Johnson Controls