機器學習作業 (MLOps)

能夠自動化並加速機器學習生命週期的 Azure Machine Learning 功能

MLOps 助您更快傳遞創新

MLOps (或適用於機器學習的 DevOps) 可讓資料科學和 IT 小組透過監視、驗證及治理機器學習模型,來共同作業並增加模型開發和部署的步調。

使用豐富模型登錄中的進階功能來追蹤資料集、程式碼、實驗與環境,從而重現訓練。

自動調整、功能強大的受控計算、無程式碼部署,以及可輕鬆進行模型訓練和部署的工具。

使用持續整合/持續部署 (CI/CD) 來建置及部署排程和管理功能的有效率工作流程。

符合治理和控制目標,並可提升模型透明度和公平的先進功能。

其他資源

MLOPs GitHub

MLOps 文件

了解 MLOps 實際運作

建置 ML 管線來設計、部署及管理模型工作流程

建置 ML 管線來設計、部署及管理模型工作流程

使用自動調整的受控分散式推斷叢集,快速放心地進行部署

使用自動調整的受控分散式推斷叢集,快速放心地進行部署

與 Azure DevOps 和 GitHub Actions 整合,以將 ML 工作流程自動化

與 Azure DevOps 和 GitHub Actions 整合,以將 ML 工作流程自動化

為各個 ML 專案建立更佳的治理和成本管理

為各個 ML 專案建立更佳的治理和成本管理

了解客戶如何使用 MLOps 傳遞價值

"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."

Johnson Controls 應用資料科學家 Vijaya Sekhar Chennupati
Johnson Controls