Trace Id is missing
跳到主要內容
Azure

機器學習作業 (MLOps)

MLOps 是一種可簡化 ML 模型和 AI 工作流程開發與部署的做法
概觀

簡化 AI 應用程式開發週期

  • 在中央存放庫中使用 Azure Machine Learning 登錄以共用和重複使用 AI 模型和管線。
  • 整合持續傳遞,以將訓練自動化、調整提示和部署工作流程。
  • 使用 Azure Machine Learning 提示流程簡化提示工程作業,並協調生成式 AI 模型。
  • 使用預先定義的實驗、版本控制及資料監視,以建立可縮放、可重現的管線。
  • 持續監視和評估模型正確性、資料漂移,以及在生產環境中負責任 AI 計量。
優勢

將 AI 投入生產

調整並運作模型,以順暢地部署和管理。

快速建立 AI 工作流程

建置 ML 管線和模型工作流程,以設計、部署及管理一致的模型傳遞。

在任何位置輕鬆部署模型

使用受管理的端點,在可存取的 CPU 和 GPU 機器上部署模型和工作流程。

以高效率自動化 AI 生命週期

使用 Azure DevOps 和 GitHub Actions 的內建互通性來自動化 ML 和 AI 工作流程。

達到跨資產治理

追蹤版本和資料譜系。設定治理、隱私權和合規性的配額和原則。

集中追蹤

使用一組一致的 MLflow 工具來追蹤執行計量,並儲存實驗成品。

跨團隊共用資產

使用登錄以跨工作區共同作業,並集中整個組織的 AI 資產。
Microsoft 在 IDC MarketScape Worldwide Machine Learning Operations (MLOps) 平台的 2022 廠商評量中被視為領導者。
客戶案例

看看客戶如何使用 Azure Machine Learning 創新

試用 Azure Machine Learning

存取 Azure Machine Learning 工作室,以進行低程式碼和無程式碼專案撰寫和資產管理。
身穿黃色外套的女性正在使用膝上型電腦。
後續步驟

選擇適合您的 Azure 帳戶 

隨用隨付,或免費試用 Azure 多達 30 天。
兩個人互相對話,面帶微笑。
Azure 解決方案

Azure 雲端解決方案

使用驗證過的 Azure 雲端服務組合以及範例結構和文件,來解決您的商務問題。
一名身穿白色襯衫的男士正在使用膝上型電腦。
商務解決方案中樞

找出適合的 Microsoft Cloud 解決方案

瀏覽 Microsoft 商務解決方案中樞,尋找可協助組織達成目標的產品和解決方案。