✌️
Azure 上の AI ワークロード (新リリース)
次のアーキテクチャ (Microsoft Azure Well-Architectured Framework) は、AI駆動型ソリューションでの効率的なデータ処理、モデルの最適化、およびリアルタイム アプリケーションのデプロイを可能にするためのさまざまなコンポーネントの統合を強調しています。これには、データソース、データ処理、モデルトレーニング、モデルデプロイ、ユーザーインターフェースなどのさまざまなモジュールが含まれており、最初の収集から最終的なユーザーインタラクションまで、データがシステム内をどのように流れるかを示しています。
GenAIは、機械学習を使用して新しいコンテンツを自律的に作成します。これには、ユーザーデータでカスタマイズしたり、Azure OpenAI などのサービスとして使用したりできる言語モデルが含まれています。判別AIは、明示的なプログラミングを使用して、ルールとアルゴリズムに基づいて特定のタスクを実行します。モデルベースと非モデルベースに分けることができます.
AIワークロードに関連する主なプロセスは次のとおりです。
- DataOpsは、データの取り込みと準備に重点を置いています。
- MLOpsには、機械学習モデルの運用化が含まれます。
- GenAIOpsは、既存のモデルを検出して評価し、それらをワークロードのコンテキストに合わせて調整することに関係しています。
- インナーループは、研究中またはアウターループモニタリングによってトリガーされる開発環境のソリューションを改良します。
- 外側のループは、ソリューションを開発から本番環境に移行し、継続的な監視と評価を使用して必要な改善を特定します。
ペルソナをこれらのプロセスにマッピングすると、各ペルソナのコンテキストが提供されます。これにより、ペルソナのスキルアップが必要なプロセスを特定できます。
プロセスをサポートアーキテクチャに接続すると、ペルソナが対話する必要があるサービスを特定し、スキルアップの可能性のある領域を強調するのに役立ちます。次の図は、Azureで最新分析のための LAMBDA アーキテクチャを示しています。
これにより、データ フローとサービス間の相互作用、およびデプロイでフローがどのように自動化されるかを示すことができます。この視覚的な補助は、利害関係者がアーキテクチャとその中のさまざまなペルソナの役割を理解するのに役立ちます。
詳しかは、こちらを参照してください：
Discussion