[ Stack technique ]
Azure Machine Learning
La plateforme ML managée d'Azure, avec tracking MLflow natif et intégration Entra ID.
Azure Machine Learning organise le travail en workspaces : notebooks et compute managé, AutoML et designer en glisser-déposer, jobs et pipelines définis en YAML ou en SDK Python, tracking et registre de modèles nativement compatibles MLflow, puis endpoints managés en ligne et batch avec déploiement bleu-vert. Il s'appuie sur Entra ID pour les identités et les rôles, sur Azure DevOps ou GitHub Actions pour le MLOps, et sur Azure OpenAI et le catalogue Azure AI Foundry pour la GenAI. C'est notre choix quand le SI du client est standardisé sur Microsoft.
[ Pourquoi Azure Machine Learning chez Dexon ]
Ce que cette techno fait bien, et pourquoi nous la mobilisons.
Usage typique : ML dans un SI Microsoft, MLOps gouverné, prévision et scoring, maintenance prédictive.
- 01
Tracking et registre MLflow natifs : le code MLflow existant fonctionne tel quel.
- 02
AutoML et designer visuel pour prototyper, SDK et YAML pour industrialiser.
- 03
Endpoints managés en ligne et batch, déploiement bleu-vert et trafic partagé.
- 04
Entra ID, RBAC, réseau privé et Azure DevOps : MLOps aux normes du SI.
[ Technologies complémentaires ]
Les briques que nous mobilisons souvent en parallèle.
Une stack existe rarement seule. Voici les technologies que Dexon associe le plus souvent à celle-ci, par habitude de pipeline, similarité d'usage ou maîtrise interne. Cliquez sur une brique pour voir son périmètre.
[ Réassurance ]
- 0+
- projets livrés sur mesure
- 30
- ingénieurs, designers, chefs de projet
- 80 %
- issus des meilleures écoles FR
- 24 h
- délai moyen de réponse
[ Ils nous font confiance ]
Plus de 100 entreprises françaises et européennes nous accordent leur confiance.
[ Presse ]
Ils parlent de nous.
Couverture nationale par BFM Business, Le Figaro, Challenges, La Tribune et CNews. Une lecture extérieure de notre travail et de nos innovations.
