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.
상위 고급 자습서로 실험 하여 택시 요금을 예측하고, 이미지를 분류하고, 일괄 처리 채점을 위한 파이프라인을 빌드합니다.
비디오 자습서를 따라 코드 없는 모델 빌드, MLOps(기계 학습 작업), ONNX 런타임, 모델 해석성 및 투명성 등 기계 학습의 이점에 대해 자세히 알아보세요.
다음 단계
다음과 같은 기타 AI 솔루션 카테고리를 살펴보세요.
피드백
https://aka.ms/ContentUserFeedback
출시 예정: 2024년 내내 콘텐츠에 대한 피드백 메커니즘으로 GitHub 문제를 단계적으로 폐지하고 이를 새로운 피드백 시스템으로 바꿀 예정입니다. 자세한 내용은 다음을 참조하세요.다음에 대한 사용자 의견 제출 및 보기