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。

其他资源

MLOPs GitHub

MLOPs 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

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

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