跳过导航

机器学习操作 (MLOps)

Azure 机器学习功能,可自动执行并加速机器学习生命周期

MLOps 可帮助你更快地进行创新

MLOps 或用于机器学习的 DevOps 使数据科学和 IT 团队能够通过监视、验证和管理机器学习模型,来进行协作并提高模型开发和部署的速度。

通过在丰富的模型注册表中对数据集、代码、试验和环境进行高级跟踪,训练可再现性。

自动缩放、功能强大的托管计算、无代码部署以及简化模型训练和部署的工具。

具有计划和管理功能的有效工作流,可通过持续集成/持续部署 (CI/CD) 来生成和部署。

用于实现管理和控制目标并促进模型透明度和公平的高级功能。

通过 Azure 培养机器学习技能

了解有关 Azure 上的机器学习的详细信息,并参与本次为期 30 天的学习旅程的实践教程。在本次学习旅程结束时,你就为参加 Azure 数据科学家助理认证做好了准备。

其他资源

MLOPs GitHub

提供更多示例

MLOPs 文档

阅读文档

查看 MLOps 发挥的作用

构建 ML 管道来设计、部署和管理模型工作流

构建 ML 管道来设计、部署和管理模型工作流

构建 ML 管道来设计、部署和管理模型工作流

使用自动缩放和托管的分布式推理群集,可靠地快速进行部署

使用自动缩放和托管的分布式推理群集,可靠地快速进行部署

使用自动缩放和托管的分布式推理群集,可靠地快速进行部署

与 Azure DevOps 和 GitHub 操作集成,以自动执行 ML 工作流

与 Azure DevOps 和 GitHub 操作集成,以自动执行 ML 工作流

与 Azure DevOps 和 GitHub 操作集成,以自动执行 ML 工作流

为 ML 项目创建更好的治理和成本管理

为 ML 项目创建更好的治理和成本管理

为 ML 项目创建更好的治理和成本管理

了解客户如何通过 MLOps 实现价值

"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 Controls 应用数据科学家
Johnson Controls