Trace Id is missing

Azure Machine Learning

Nutzen Sie einen speziell für Unternehmen konzipierten KI-Dienst für den Ende-zu-Ende-Machine Learning-Lebenszyklus.

Erstellen Sie unternehmenskritische Machine Learning-Modelle im großem Stil.

Azure Machine Learning ermöglicht wissenschaftlichen Fachkräften für Daten und Entwicklern, qualitativ hochwertige Modelle schneller und zuverlässiger zu erstellen, bereitzustellen und zu verwalten. Diese Lösung verkürzt die Amortisationszeit mithilfe branchenführender Machine Learning Operations (MLOps), Open-Source-Interoperabilität und integrierter Werkzeuge. Diese vertrauenswürdige KI-Lernplattform ist für verantwortungsvolle KI-Anwendungen innerhalb von maschinellem Lernen konzipiert.

Video container

Beschleunigen Sie die Amortisationszeit

Erstellen Sie Machine Learning-Modelle mit leistungsstarken KI-Infrastruktur und orchestrieren Sie KI-Workflows mit prompt flow.

Zusammenarbeiten und Optimieren von MLOps

Schnelle Bereitstellung, Verwaltung und Freigabe von ML-Modellen für bereichsübergreifende Zusammenarbeit und MLOps.

Sichere Entwicklung

Integrierte Governance, Sicherheit und Compliance für die Ausführung von Machine Learning-Workloads überall.

Verantwortungsvolles Entwerfen

Verantwortungsvolle KI, um erklärbare Modelle mithilfe von datengesteuerten Entscheidungen für Transparenz und Verantwortlichkeit zu erstellen.

Sehen Sie sich das Webinar „Uncover Predictive Insights with Analytics + AI“ (Aufdecken von Predictive Insights mit Analytics und KI) an

Unterstützung für den End-to-End-Machine Learning-Lebenszyklus

Datenbeschriftung

Beschriften Sie Trainingsdaten und verwalten Sie Bezeichnungsprojekte.

Datenaufbereitung

Verwenden Sie diese Lösung mit Analyse-Engines, um Daten zu erkunden und aufzubereiten.

Datasets

Greifen Sie auf Daten zu, und erstellen und geben Sie Datasets frei.

Zurück zu Registerkarten

Azure Machine Learning für generative KI

KI-Workfloworchestrierung

Vereinfachen Sie den Entwurf, die Auswertung und die Bereitstellung großer sprachmodellbasierter Anwendungen mit prompt flow. . Verfolgen, reproduzieren, visualisieren und verbessern Sie die Eingabeaufforderungen und Flows in einer Vielzahl von Tools und Ressourcen. Erfahren Sie mehr über Generative KI in Machine Learning.

Verwaltete End-to-End-Plattform

Optimieren Sie den gesamten Lebenszyklus und die Modellverwaltung für große Sprachmodelle mit nativen MLOps-Funktionen. Führen Sie Maschinelles Lernen überall bedenkenlos mit Sicherheit auf Unternehmensniveau aus. Verringern Sie Modellabweichungen, und werten Sie Modelle mit dem Dashboard für verantwortungsvolle KI aus.

Flexible Tools und Frameworks

Erstellen Sie Deep Learning-Modelle in Tools wie Visual Studio Code und Jupyter Notebooks mit flexiblen Frameworks wie PyTorch oder TensorFlow. Azure Machine Learning ist mit ONNX Runtime und DeepSpeed kompatibel, um das Training und den Rückschluss zu optimieren.

Erstklassige Leistung

Verwenden Sie speziell entwickelte KI-Infrastruktur entwickelt, um die neuesten NVIDIA-GPUs und InfiniBand-Netzwerklösungen mit bis zu 400 GBit/s zu kombinieren. Skalieren Sie bis zu Tausenden von GPUs innerhalb eines einzelnen Clusters mit einer beispiellosem Umfang.

Amortisationszeit mithilfe rascher Modellentwicklung verkürzen

Steigern Sie die Produktivität mit einer einheitlichen Studio-Erfahrung. Erstellen, Trainieren und Bereitstellen von Modellen mit Jupyter Notebooks mit integrierter Unterstützung für Open-Source-Frameworks und -Bibliotheken. Erstellen Sie mithilfe von automatisiertem maschinellem Lernen schnell Modelle für tabellarische, Text- und Bilddaten. Verwenden Sie Visual Studio Code, um nahtlos vom lokalen training zum Cloudtraining zu wechseln, und führen Sie eine automatische Skalierung mit Azure KI-Infrastruktur durch, die von der NVIDIA Quantum-2 InfiniBand-Plattform unterstützt wird. Entwerfen, vergleichen, bewerten und stellen Sie Ihre Eingabeaufforderungen für große sprachmodellbasierte Anwendungen mit prompt flow bereit.

Zusammenarbeiten und Optimieren der Modellverwaltung mit MLOps

Optimieren Sie mithilfe von MLOps die Bereitstellung und Verwaltung Tausender Modelle in mehreren Umgebungen. Stellen Sie ML-Modelle schneller bereit, und bewerten Sie sie mit vollständig verwalteten Endpunkten, um Batch- und Echtzeitvorhersagen zu liefern. Verwenden Sie wiederholbare Pipelines, um Workflows für Continuous Integration und Continuous Delivery (CI/CD) zu automatisieren. Entdecken und geben Sie Machine Learning-Artefakte über mehrere Teams hinweg frei, um mithilfe von Registrierungen und verwaltetem Feature Store für eine bereichsübergreifende Zusammenarbeit zu sorgen. Überwachen Sie kontinuierlich Leistungsmetriken Ihrer Modelle, erkennen Sie Datendrift, und lösen Sie ein erneutes Training aus, um die Modellleistung zu verbessern.

Erstellen von Lösungen auf Unternehmensniveau auf einer Hybridplattform

Setzen Sie Sicherheit im gesamten Machine Learning-Lebenszyklus an erster Stelle, indem Sie die integrierte Datengovernance in Microsoft Purview verwenden. Nutzen Sie die umfassenden Sicherheitsfunktionen für Identität, Daten, Netzwerke, Überwachung und Compliance, die alle von Microsoft getestet und überprüft wurden. Schützen Sie Lösungen mit benutzerdefinierter, rollenbasierter Zugriffssteuerung, virtuellen Netzwerken, Datenverschlüsselung, privaten Endpunkten und privaten IP-Adressen. Trainieren und bereitstellen Sie Modelle überall, von lokal bis Multicloud, um die Anforderungen an die Datenhoheit zu erfüllen. Steuern Sie zuverlässig mit integrierten Richtlinien und der Compliance mit 60 Zertifizierungen, einschließlich FedRAMP High und HIPAA.

Verantwortungsvolle KI-Methoden während des gesamten Lebenszyklus nutzen

Werten Sie Machine Learning-Modelle mithilfe reproduzierbarer und automatisierter Workflows aus, um modellorientierte Fairness, Erklärbarkeit, Fehleranalyse, kausale Analyse, Modellleistung und explorative Datenanalyse zu bewerten. Erstellen Sie realitätsnahe Berichte mit Kausalanalysen im Dashboard für verantwortungsvolle KI, und generieren Sie eine Scorecard zur Bereitstellungszeit. Kontextualisieren Sie verantwortungsvolle KI-Metriken für technische und nicht technische Zielgruppen, um Beteiligte einzubeziehen und die Überprüfung der Compliance zu optimieren.

Werden Sie mit Azure zum Experten für Machine Learning

Arbeiten Sie sich mit einem 30-tägigen Lernpfad weiter in das Thema Machine Learning in Azure ein, und wenden Sie Ihr Wissen in praxisorientierten Tutorials an. Am Ende dieses Kurses sind Sie für die Zertifizierung als Azure Data Scientist Associate bereit.

Eine Person, die in einem Konferenzraum an einem Laptop arbeitet

Wichtige Dienstfunktionen für den gesamten Machine Learning-Lebenszyklus

  • Kollaborative Notebooks

    Starten Sie Ihr Notebook in Jupyter Notebook oder Visual Studio Code, um eine umfassende Entwicklungsumgebung zu nutzen, einschließlich Debuggen und Unterstützung für die Git-Quellcodeverwaltung.

  • Automatisiertes maschinelles Lernen

    Erstellen Sie mit automatisiertem maschinellem Lernen schnell genaue Modelle zur Klassifizierung, für die Regression, für Zeitreihenvorhersagen, Verarbeitungsaufgaben in natürlicher Sprache und für Aufgaben im Bereich des maschinellen Sehens.

  • Maschinelles Lernen per Drag & Drop

    Verwenden Sie Machine Learning-Tools wie den Designer für die Datentransformation, das Modelltraining und die Modellauswertung, oder zum einfachen Erstellen und Veröffentlichen von Machine Learning-Pipelines.

  • Verantwortungsvolle KI

    Erstellen Sie verantwortungsvolle KI-Lösungen mit Interpretierbarkeitsfunktionen. Bewerten Sie die Modellfairness, und vermeiden Sie Unfairness mithilfe von Abweichungsmetriken.

  • Registrierungen

    Verwenden Sie organisationsweite Repositorys, um Modelle, Pipelines, Komponenten und Datasets über mehrere Arbeitsbereichen hinweg zu speichern und freizugeben. Erfassen Sie Herkunft, und steuern Sie Daten mithilfe des Überwachungspfadfeatures.

  • Verwaltete Endpunkte

    Verwenden Sie verwaltete Endpunkte, um die Modellbereitstellung und -bewertung zu operationalisieren, Metriken zu protokollieren und sichere Modellrollouts durchzuführen.

Integrierte umfassende Sicherheit und Compliance

Erste Schritte mit einem kostenlosen Azure-Konto

1

Kostenlos starten. Sie erhalten ein Guthaben von 200 USD, das Sie innerhalb von 30 Tagen verwenden können. Solange Sie über Ihr Guthaben verfügen, können Sie viele unserer beliebtesten Dienste kostenlos nutzen. Außerdem erhalten Sie mehr als 55 weitere Dienste stets kostenlos.

2

Nachdem Ihr Guthaben aufgebraucht ist, wechseln Sie zur nutzungsbasierten Zahlung, um Ihr Wachstum mit den gleichen kostenlosen Dienstleistungen voranzutreiben. Es fallen nur Gebühren an, wenn Sie die kostenlosen monatlichen Kontingente überschreiten.

3

Nach 12 Monatenerhalten Sie weiterhin 55 und mehr immer kostenlose Dienste—und zahlen weiterhin nur für das, was Sie über Ihre kostenlosen monatlichen Beträge hinaus nutzen.

Erfahren Sie, wie Kunden Azure Machine Learning für Innovationen mit KI verwenden.

„PyTorch und Azure Machine Learning sind die perfekte Entsprechung für die Ziele unseres Forschungsteams und sparen Zeit, um disruptive Innovationen zu schaffen“.

Orlando Ribas Fernandes

Mitgründer und CEO, Fashable

„Unsere Teams testen in der Regel [Daten], erhalten Ergebnisse und verwenden sie dann, um Modelle und Algorithmen zu entwickeln, die wir dann in Softwareprodukte integrieren. Diese Plattform vereinfacht, beschleunigt und optimiert den gesamten Prozess“.

Mogens Mikkelsen

Enterprise Architect, SEGES Innovation

„Da sich mehr und mehr unserer Gruppen auf die Azure Machine Learning-Lösung verlassen, können sich unsere Finanzexperten stärker auf allgemeine Aufgaben konzentrieren und vergeuden weniger Zeit mit der manuellen Erhebung und Eingabe von Daten“.

Jeff Neilson

Data Science Manager, 3M

Ein Schweißer bei der Arbeit

i

„Mit Azure Machine Learning können wir dem Patienten eine Risikobewertung zeigen, die auf seine individuelle Situation maßgeschneidert ist. …Letztlich ist es unser Ziel, Risiken und Unsicherheit zu reduzieren und die Ergebnisse unserer chirurgischen Eingriffe zu verbessern“.

Prof. Mike Reed

Clinical Director, Trauma & Orthopedics, Northumbria Healthcare NHS Foundation Trust

Eine medizinische Fachkraft, die mit einem Patienten spricht

1

„Die Möglichkeit, Computeressourcen zentral hoch- und herunterzuskalieren, ist entscheidend für die Innovationsgeschwindigkeit und Kosteneffizienz…. Azure Machine Learning und die integrierten Machine Learning-Betriebsfunktionen vereinfachen Agilität und Kosteneffizienz“.

Kate Puech

Director of AI Engineering, Axon

.

„Die Verwendung automatisierter Machine Learning-Funktionen von Azure Machine Learning zur Erstellung von Machine Learning-Modellen ermöglichte es uns, eine Umgebung zu schaffen, in der wir verschiedene Modelle aus mehreren Perspektiven erstellen und mit ihnen experimentieren können“.

Keiichi Sawada

Corporate Transformation Division, Seven Bank

Eine Filiale der Seven Bank
Zurück zu Registerkarten

IDC MarketScape: MLOps 2022 Herstellerbewertung

Erfahren Sie, wie Unternehmen aus verschiedenen Branchen MLOps verwenden, um die Herausforderungen bei der Implementierung von KI- und Machine Learning-Technologien zu bewältigen.

Whitepaper: MLOps-Entwicklung

Entdecken Sie einen systematischen Ansatz zum Erstellen, Bereitstellen und Überwachen von Machine Learning-Lösungen mit MLOps. Erstellen, testen und verwalten Sie produktionsbereite Machine Learning-Lebenszyklen schnell und im großen Stil.

Forrester Total Economic Impact-Studie

Die von Microsoft in Auftrag gegebene Studie „Total Economic ImpactTM“ von Forrester Consulting untersucht die potenzielle Rendite (Return on Investment, ROI), die Unternehmen mit Azure Machine Learning erzielen können.

Whitepaper: Machine Learning-Lösungen

Erfahren Sie, wie Sie sicherere, skalierbare und angemessene Lösungen für maschinelles Lernen erstellen.

Whitepaper: Verantwortungsvolle KI

Erfahren Sie, wie Sie sicherere, skalierbare und angemessene Lösungen für maschinelles Lernen erstellen.

MLOps-Whitepaper

Beschleunigen Sie den Prozess des Erstellens, Trainierens und Bereitstellens von Machine Learning-Modellen im großen Stil.

Whitepaper: Maschinelles Lernen mit Azure Arc-Unterstützung

Erfahren Sie, wie Sie Modelle in jeder beliebigen Infrastruktur erstellen, trainieren und bereitstellen können.

Häufig gestellte Fragen zu Azure Machine Learning

  • Der Dienst ist in mehreren Ländern/Regionen allgemein verfügbar – weitere werden in Kürze folgen.

  • In der SLA für Azure Machine Learning wird eine Betriebszeit von 99,9 % zugesichert.

  • Azure Machine Learning Studio ist die wichtigste Ressource für den Machine Learning-Zwecke. Dieses Portal ist eine zentrale Anlaufstelle für Data Scientists und Entwickler, über die alle Artefakte zum Erstellen, Trainieren und Bereitstellen von Machine Learning-Modellen genutzt werden können.

Sind Sie bereit? Dann richten Sie jetzt Ihr kostenloses Azure-Konto ein

Azure Machine Learning kostenlos testen