新しい MLOps 機能を利用して機械学習モデルを運用環境に移行する

執筆者: Microsoft Azure このポストは、2019 年 5 月 9 日に投稿された Take your machine learning models to production with new MLOps capabilities の翻訳です。   今回は、Microsoft Azure のシニア プログラム マネージャーを務める Jordan Edwards の記事をご紹介します。 Microsoft Build 2019 で、私たちは Azure Machine Learning サービスの MLOps 機能を発表しました。MLOps は機械学習用の DevOps とも呼ばれる機能であり、データ サイエンティストと DevOps 担当者の間のコラボレーションやコミュニケーションを促進し、機械学習 (ML) ライフサイクルの運用環境の管理を支援します。 Azure Machine Learning サービスの MLOps 機能は、お客様に資産管理とオーケストレーションのためのサービスを提供するもので、効果的な ML…


Azure での分析では常に他に類を見ない新たなイノベーションを取り入れています

デジタル ディスラプションは、ビジネスで競争優位に立つためにデータを利用する企業に、無限の可能性を与えてきました。結果として、分析は、企業の最優先事項の 1 つであり続けています。分析に関しては、最適な価格、パフォーマンス、セキュリティ、プライバシーや、組織全体にわたる強力な分析情報を簡単に提供できるシステムを提供するソリューションが必要であるというお客様の声をいただいています。Azure はこれらを対象にしてきました。 日本語版のポストは、下記の URL よりご覧いただけます。 https://azure.microsoft.com/ja-jp/blog/analytics-in-azure-remains-unmatched-with-new-innovations/


Jupyter Notebook で HDInsight Spark のジョブとデータをビジュアルで把握する

 執筆者: Ruixin Xu (Senior Program Manager, Big Data Team)  このポストは、2019 年 4 月 29 日に投稿された Understanding HDInsight Spark jobs and data through visualizations in the Jupyter Notebook の翻訳です。    データ セットを迅速に調査したり、トレンドを分析したり、機械学習モデルのテストを行う際に便利なのが、HDInsight Spark クラスター上の Jupyter Notebook です。しかし、Spark ジョブや中間データの状態が追跡できなければ、Jupyter Notebook 内で何が行われているかをモニターし最適化することは難しくなります。  これに対処するために、マイクロソフトは最先端のジョブ実行と可視化のエクスペリエンスを HDInsight Spark のクラスター内の Jupyter Notebook に追加することにしました。そして本日、リアルタイムの Spark ジョブ進行状況インジケーター、PySpark DataFrame での matplotlib のネイティブ サポート、セル実行状態インジケーターをリリースしました。  Spark ジョブ進行状況インジケーター  ノートブック内でインタラクティブな Spark ジョブを実行すると、リアルタイムの進行状況バーを備えた Spark ジョブ進行状況インジケーターが表示され、ジョブの実行状態を把握できます。タブを切り替えると、アクティブなタスクと割り当てられたコアのリソース使用率ビューを表示したり、ガント チャートでワークロード全体のジョブ、ステージ、タスクを確認したりできます。  PySpark DataFrameで matplotlib をネイティブ サポート これまで PySpark は matplotlib…


Azure Machine Learning サービスで NVIDIA RAPIDS をサポート

執筆者: Kaarthik Sivashanmugam (AI Platform, Microsoft) このポストは、2019 年 3 月 18 日に投稿された Azure Machine Learning service now supports NVIDIA’s RAPIDS の翻訳です。   Azure Machine Learning サービスは、主要なクラウド機械学習サービスの中で初めて NVIDIA RAPIDS をサポートしました。RAPIDS は、NVIDIA GPU により従来型の機械学習パイプラインを高速化するソフトウェア ライブラリ スイートです。 GPU の活用によって、トレーニングと推論のパフォーマンスがかつてないほど向上し、ディープ ラーニングに革命的な進化が起きたように、RAPIDS でも GPU の力で従来型の機械学習を劇的に進化させることができます。Azure Machine Learning サービスで RAPIDS を使用すると、NC_v3、NC_v2、ND、ND_v2 の各シリーズの GPU によって、データ処理、トレーニング、推論などの機械学習パイプライン全体を高速化できます。パフォーマンスは (GPU 4 基の場合) 20 倍以上アップし、トレーニング時間も数時間から数分に短縮され、より短い時間でインサイトが得られるようになりました。 以下の図は、XGBoost による勾配ブースティングを利用したデシジョン ツリーのトレーニングを…


ONNX Runtime と NVIDIA TensorRT の統合: プレビューを開始

執筆者: Manash Goswami (Principal Program Manager (AI Frameworks)) このポストは、2019 年 3 月 18 日に投稿された ONNX Runtime integration with NVIDIA TensorRT in preview の翻訳です。   本日マイクロソフトは、ONNX Runtime (英語) で NVIDIA TensorRT 実行プロバイダーのプレビューをオープン ソースとして公開しました。このリリースでは、開発者が業界最先端の GPU アクセラレーションを好きなフレームワークで使用できます。これにより、オープンで相互運用可能な AI の実現に向けてさらに一歩近づきました。開発者の皆様は ONNX Runtime で TensorRT (英語) を活用することで ONNX モデルの推論を高速化し、PyTorch や TensorFlow を始めとする主要なフレームワークからエクスポートまたは変換できます。 マイクロソフトと NVIDIA は、TensorRT 実行プロバイダーを ONNX Runtime と統合するために緊密に連携を取り、Model Zoo…


Intel とマイクロソフトが Azure でのディープ ラーニングに最適な環境を共同開発

執筆者: Gopi Kumar (Principal Program Manager, Microsoft) このポストは、2019 年 3 月 7 日に投稿された Intel and Microsoft bring optimizations to deep learning on Azure の翻訳です。   今回の記事は、Intel の Ravi Panchumarthy 氏と Mattson Thieme 氏と共同で執筆しました。 マイクロソフトと Intel はこのたび、Azure 向けに最適化されたディープ ラーニング フレームワークを共同開発したことを発表します。その成果である Intel Optimized Data Science VM for Linux (Ubuntu) は、Azure Marketplace から提供されています。 ここ数年、ディープ ラーニングは機械学習アプリや認識アプリの最先端技術として注目を集めています。ディープ ラーニングは非線形変換の層をいくつも重ねたニューラル ネットワークを活用した機械学習手法の 1 つであり、そのシステムがデータからの学習を可能にし、機械学習のさまざまな課題に対応する正確なモデルを構築します。コンピューター ビジョン、言語理解、音声認識はいずれもディープ…


AI が新たなスタンダードに: 2018 年の総括

執筆者: Anand Raman (Chief of Staff, Microsoft Corporation) このポストは、2019 年 1 月 14 日に投稿されたAI is the new normal: Recap of 2018 の翻訳です。   Azure にとって 2018 年は AI 機能の飛躍の年となり、100 万人を超える Azure 開発者、お客様、パートナー様の間でもデジタル トランスフォーメーションが議論されるようになりました。最先端の AI 機能は、Power BI 向け AI 機能 (英語) をはじめ、さまざまなマイクロソフトの製品やサービスに組み込まれています。 今回は、AI 関連のサービス、ツール、フレームワーク、インフラストラクチャの中から 2018 年に登場した注目の AI 機能トップ 10 をご紹介します。 AI サービス Automated Machine Learning 機能を新たに搭載した…


Azure Data Box Disk の一般公開に関するお知らせ

プレビューのお知らせ以降、数百ものお客様が、定期的なワークロード、自動車からのメディア キャプチャ、進行中のバックアップの増分転送、リモート オフィスやブランチ オフィス (ROBO) からのアーカイブを Microsoft Azure に移動させてきました。 日本語版のポストは、下記の URL よりご覧いただけます。 https://azure.microsoft.com/ja-jp/blog/announcing-the-general-availability-of-azure-data-box-disk/


Azure Machine Learning service の一般公開に関するお知らせ : その具体的な内容

本日、Azure Machine Learning service の一般公開についてお知らせします。Azure Machine Learning service には、機械学習モデルの構築、トレーニング、デプロイに関して、プロセスの簡略化と短縮化を目的として設計された、多くの高度な機能が含まれています。 日本語版のポストは、下記の URL よりご覧いただけます。 https://azure.microsoft.com/ja-jp/blog/azure-machine-learning-service-a-look-under-the-hood/


Azure Kubernetes Service を使用した運用環境レベルのワークロードのオーケストレーション

執筆者: Brian Redmond (Cloud Architect, Azure Global Black Belt Team) このポストは、2018 年 7 月 26 日に投稿された Orchestrating production-grade workloads with Azure Kubernetes Service の翻訳です。   Kubernetes が 3 周年を迎えました! Kubernetes はリリースからわずか 3 年という短い期間で、コンテナー化されたワークロード向けのオーケストレーションの業界標準となりました。Azure ではこの 3 年にわたって、お客様が Kubernetes をクラウドで実行できるよう支援してきました。Kubernetes を使用するとオーケストレーションのタスクを大幅に簡素化できますが、Kubernetes を最大限に活用するためにはさまざまな設定と管理が必要になります。それに役立つのが、Azure Kubernetes Service (AKS) です。企業が求める要件に対するマイクロソフトならではの知識と、開発者の皆様を支援してきたこれまでの実績を活かして複雑なさまざまな問題に対処し、クラウドで最も優れた Kubernetes エクスペリエンスを提供するマネージド サービスです。 このブログでは、Azure のお客様が Azure Kubernetes Service を利用して実現した優れたシナリオをいくつかご紹介します。それが終わったら、一緒に Kubernetes の…