기계 학습

기계 학습은 기계가 명시적으로 프로그래밍하지 않고도 패턴을 감지하고 데이터에서 학습할 수 있도록 하는 AI의 하위 집합입니다. Azure Machine Learning 솔루션은 컴퓨팅 인사이트를 발전시킬 수 있습니다.

Azure는 가장 진보된 기계 학습 기능을 제공합니다. Azure Machine Learning을 사용하여 기계 학습 모델을 빠르고 쉽게 빌드, 학습 및 배포합니다. 기계 학습 AI는 클래식에서 심층 학습, 감독 학습 및 자율 학습에 이르기까지 모든 종류의 기계 학습에 사용할 수 있습니다. Python 또는 R 코드를 작성하려 하든, 아니면 디자이너와 같은 코드를 사용하지 않거나 최소한의 코드만 사용하는 옵션을 사용하든 기계 학습 작업 영역에서 매우 정확한 기계 학습 및 딥 러닝 모델의 빌드, 학습 및 추적을 수행할 수 있습니다.

로컬 컴퓨터에서 학습을 시작한 다음 클라우드로 확장할 수도 있습니다. 이 서비스는 PyTorch, TensorFlow, scikit-learn, Ray 및 RLlib와 같은 널리 사용되는 딥 러닝 및 강화 오픈 소스 도구와도 상호 운용됩니다.

첫 번째 기계 학습 실험을 설정하는 방법에 대한 자습서를 찾을 수 있는 Azure Machine Learning 개요를 시작합니다. 기계 학습을 위한 오픈 소스 모델 형식 및 런타임에 대한 자세한 내용은 ONNX 런타임을 참조하세요.

기계 학습 솔루션의 일반적인 시나리오는 다음과 같습니다.

• 예측 유지 관리
• 재고 관리
• 부정 행위 감지
• 수요 예측
• 인텔리전트 권장 사항
• 판매 예측

기계 학습 검사 목록

• 먼저 기계 학습에 숙달한 다음 시작할 환경을 선택합니다. 단계와 함께 Python, 시각적 끌어서 놓기 환경 또는 AutoML(자동화된 기계 학습)과 함께 Jupyter 노트북을 사용할 수 있습니다.

  • Azure Machine Learning에 대해 알아보기
  • Python으로 Jupyter 노트북을 사용하여 첫 번째 기계 학습 실험 만들기
  • 시각적 개체 끌어서 놓기 실험
  • AutoML UI 사용
  • 개발 환경 구성

• 상위 고급 자습서로 실험 하여 택시 요금을 예측하고, 이미지를 분류하고, 일괄 처리 채점을 위한 파이프라인을 빌드합니다.

  • AutoML을 사용하여 택시 요금 예측
  • scikit-learn을 사용하여 이미지 분류
  • 일괄 처리 채점을 위한 기계 학습 파이프라인 빌드

• 비디오 자습서를 따라 코드 없는 모델 빌드, MLOps(기계 학습 작업), ONNX 런타임, 모델 해석성 및 투명성 등 기계 학습의 이점에 대해 자세히 알아보세요.

  • Azure Machine Learning의 새로운 기능
  • AutoML을 사용하여 모델 빌드
  • Azure Machine Learning 디자이너를 사용하여 제로 코드 모델 빌드
  • 엔드 투 엔드 수명 주기를 관리하기 위한 MLOps
  • 모델에 ONNX 런타임 통합
  • 모델 해석성 및 투명도
  • R을 사용하여 모델 빌드

• AI 기계 학습 솔루션에 대한 참조 아키텍처를 검토합니다.

다음 단계

다음과 같은 기타 AI 솔루션 카테고리를 살펴보세요.

• AI 애플리케이션 및 에이전트
• 정보 마이닝