Операции машинного обучения (MLOps)
Ускорьте автоматизацию, совместную работу и воспроизводимость рабочих процессов машинного обучения
Оптимизированное развертывание и управление тысячами моделей в производственных средах, от локальных до периферийных
Полностью управляемые конечные точки для пакетного прогнозирования и прогнозирования в реальном времени с целью ускоренного развертывания и оценки моделей
Повторяемые конвейеры для автоматизации рабочих процессов машинного обучения с целью непрерывной интеграции доставки (CI/CD)
Непрерывное отслеживание показателей производительности модели, обнаружение смещения данных и инициирование переобучения для повышения производительности модели
Ускорьте внедрение инноваций
MLOps — операции машинного обучения или DevOps для машинного обучения — это объединение людей, процессов и платформы для обеспечения коммерческой ценности машинного обучения. Они упрощают разработку и развертывание за счет мониторинга, проверки и управления моделями машинного обучения.
Создание рабочих процессов и моделей машинного обучения
Используйте наборы данных и расширенные реестры моделей для отслеживания ресурсов. Включите улучшенную трассировку с отслеживанием кода, данных и метрик в журнале выполнения. Создавайте конвейеры машинного обучения для разработки, развертывания и администрирования воспроизводимых рабочих процессов модели для согласованной доставки моделей.
Легко развертывайте модели высокой точности в любом месте
Выполняйте развертывание быстро и уверенно. Используйте конечные точки, управляемые онлайн, для развертывания моделей на мощных машинах с ЦП и ГП без управления базовой инфраструктурой. Быстро упаковывайте модели и обеспечивайте высокое качество на каждом этапе с помощью инструментов профилирования и проверки моделей. Используйте контролируемое развертывание для запуска моделей в производство.
Эффективно управляйте всем жизненным циклом машинного обучения
Воспользуйтесь преимуществами встроенной интеграции с помощью Azure DevOps и GitHub Actions для упрощения администрирования и автоматизации рабочих процессов. Оптимизируйте конвейеры обучения и развертывания моделей, выполняйте сборку для CI/CD, чтобы упростить повторное обучение, и легко включайте машинное обучение в существующие процессы выпуска. Используйте расширенный анализ смещения данных для повышения производительности модели с течением времени.
Обеспечьте управление активами
Отслеживайте журнал версий модели и происхождение данных с целью аудита. Задайте квоты вычислений для ресурсов и примените политики, чтобы обеспечить соблюдение стандартов безопасности, конфиденциальности и соответствия требованиям. Используйте расширенные возможности для обеспечения соответствия целям управления и контроля, а также для повышения прозрачности и справедливости модели.
Получите преимущества от взаимодействия с MLflow
Создавайте гибкие и безопасные комплексные рабочие процессы машинного обучения с помощью MLflow и Машинного обучения Azure. Легко переносите существующие рабочие нагрузки из локальной среды в интеллектуальное облако и пограничную среду. Сохраняйте эксперименты MLflow, запускайте метрики, параметры и артефакты модели в централизованной рабочей области Машинного обучения Azure.
Ускорение совместного использования MLOps в рабочих областях
Упростите совместную работу между рабочими пространствами и MLOps с помощью реестров. Размещайте ресурсы машинного обучения в центральном местоположении, обеспечивая их доступность для всех рабочих областей в организации. Продвигайте, делитесь и изучайте модели, среды, компоненты и наборы данных в разных командах. Повторно используйте каналы и развертывайте модели, созданные командами в других рабочих областях, сохраняя при этом журнал преобразований и возможность отслеживания.
Центр ресурсов
Просмотр операций машинного обучения в действии
Комплексные встроенные средства обеспечения безопасности и соответствия требованиям
-
Корпорация Майкрософт ежегодно инвестирует более USD 1 млрд долларов США в научные исследования и разработку решений для обеспечения кибербезопасности.
-
У нас работает более 3,500 специалистов по обеспечению безопасности и конфиденциальности данных.
-
У Azure больше сертификатов, чем у любого другого поставщика облачных служб. Просмотрите полный список.
Начало работы с бесплатной учетной записью Azure
Начать бесплатно. Получите кредит на сумму $200 для использования в течение 30 дней. В течение срока действия кредита вы получите возможность бесплатно использовать многие популярные службы. Кроме того, вы сможете использовать более 40 других служб, которые всегда бесплатны.
Использовав кредит, перейдите на оплату по мере использования, чтобы продолжить работу с помощью тех же бесплатных служб. Оплата потребуется только в том случае, если вы используете больше бесплатных ежемесячных объемов.
По истечении 12 месяцев у вас сохранится доступ к 40+ бесплатным службам, и вы по-прежнему будете платить только за то, что используете за пределами бесплатных ежемесячных лимитов.
Узнайте, как клиенты обеспечивают преимущества с помощью операций машинного обучения
FedEx
Бикрам Вирк (Bikram Virk), менеджер по продукции, подразделение ИИ и машинного обучения, 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."
BRF
Александр Биазен (Alexandre Biazin), исполнительный директор по технологиям, 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."
Nestle
Игнаси Паредес-Олива (Ignasi Paredes-Oliva), ведущий специалист по обработке и анализу данных, Nestlé Global Security Operations Center"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."
PepsiCo
Майкл Кливингер (Michael Cleavinger), старший директор по обработке и анализу данных покупателей и расширенной аналитике, 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."
Дополнительные ресурсы MLOps
Начало работы
Репозиторий
Обучение
Сквозная схема обучения MLOpsБлог
- Объединение MLOps в Майкрософт
- Концепции модели зрелости MLOps
- Машинное обучение Azure оптимально подходит для предприятий
- Искусство тестирования систем машинного обучения
- Проверка надежности систем машинного обучения
- Проверка масштабируемости систем машинного обучения
- Проверка безопасности систем машинного обучения