Přeskočit na hlavní obsah

Azure Machine Learning

Použití služby na podnikové úrovni pro kompletní životní cyklus strojového učení.

Modely strojového učení pro důležité obchodní informace ve velkém měřítku

Azure Machine Learning umožňuje odborníkům na data a vývojářům vytvářet, nasazovat a spravovat vysoce kvalitní modely rychleji a s jistotou. Dosáhne rychlejšího zhodnocení pomocí špičkových MLOps (operace strojového učení), opensourcové interoperability a integrovaných nástrojů. Tato důvěryhodná platforma je navržená pro zodpovědné aplikace AI ve strojovém učení.

Video container

Rychlý vývoj a trénování modelů s integrovanými nástroji a podporou ze strany škálovatelné účelové infrastruktury AI.

Zodpovědný vývoj modelů AI s integrovanou nestranností a vysvětlitelností a zodpovědným využitím dodržování předpisů

Rychlé nasazení, správa a sdílení modelů ML pro spolupráci mezi pracovními prostory a MLOps

Vestavěné řízení, zabezpečení a dodržování předpisů pro spouštění úloh strojového učení kdekoli

Podpora kompletního životního cyklu strojového učení

Popisování dat

Označte trénovací data a spravujte projekty popisování.

Příprava dat

Použití s analytickými moduly pro zkoumání a přípravu dat.

Datové sady

Získejte přístup k datům a vytvářejte a sdílejte datové sady.

Zpět na karty

Azure Machine Learning pro hluboké učení

Spravovaná komplexní platforma

Zjednodušte celý životní cyklus hlubokého učení a správu modelů s využitím nativních funkcí MLOps. Spouštějte strojové učení kdekoli a bezpečně díky zabezpečení na podnikové úrovni. Zmírňujte předsudky modelů a vyhodnocujte modely pomocí řídicího panelu Odpovědné AI.

Veškeré vývojové nástroje a architektury

Vytvářejte modely hlubokého učení s využitím svých oblíbených integrovaných vývojových prostředí od Visual Studio Code až po poznámkové bloky Jupyter Notebook a v architektuře podle vlastního výběru s využitím PyTorch a TensorFlow. Azure Machine Learning se integruje s ONNX Runtime a DeepSpeed a optimalizuje trénování a odvozování.

Špičkový výkon

Využijte účelovou infrastrukturu AI, která je jedinečně navržená tak, aby kombinovala nejnovější grafické procesory NVIDIA a síťové prvky Mellanox s propojeními InfiniBand o rychlosti až 200 GB/s. Vertikálně navyšte kapacitu až na tisíce GPU v rámci jednoho clusteru s nebývalým škálováním.

Zrychlete zhodnocení díky rychlému vývoji modelů

Zlepšete produktivitu díky možnostem studia – vývojového prostředí, které podporuje všechny úlohy strojového učení, k vytváření, trénování a nasazování modelů. Spolupracujte pomocí poznámkových bloků Jupyter Notebook s využitím integrované podpory populárních opensourcových architektur a knihoven. Vytvářejte rychle přesné modely prostřednictvím automatizovaného strojového učení pro tabulkové, textové a obrazové modely s využitím extrakce příznaků a prohledávání hyperparametrů. Pomocí editoru Visual Studio Code můžete plynule přecházet z místního trénování na cloudové a automaticky škálovat s využitím výkonných cloudových clusterů CPU a GPU podporovaných sítí NVIDIA Quantum InfiniBand.

Kanál s MLOps

Zprovozňování ve velkém měřítku díky MLOps

Zjednodušte nasazení a správu tisíců modelů ve více prostředích pomocí MLOps. Nasazujte a hodnoťte modely rychleji pomocí plně spravovaných koncových bodů pro dávkové predikce a predikce v reálném čase. K automatizaci pracovních postupů pro kontinuální integraci a průběžné doručování (CI/CD) používejte opakovatelné kanály. Sdílejte a objevujte artefakty strojového učení napříč několika týmy pro spolupráci mezi pracovními prostory s využitím registrů. Průběžně monitorujte metriky výkonu modelu, zjišťujte posun dat a aktivujte opakované trénování, aby se zlepšil výkon modelu.

Poskytování zodpovědných řešení strojového učení

Vyhodnoťte modely strojového učení pomocí reprodukovatelných a automatizovaných pracovních postupů a posuďte nestrannost modelu, vysvětlitelnost, analýzu chyb, kauzální analýzu, výkon modelu a průzkumnou analýzu dat. Proveďte v reálném životě zásahy pomocí kauzální analýzy na zodpovědném řídicím panelu AI a vygenerujte přehled výkonnostních metrik v době nasazení. Zapojte zúčastněné strany do kontextu zodpovědné metriky AI pro technické i netechnické cílové skupiny a zjednodušte kontrolu dodržování předpisů.

Graf s podrobnostmi o agregované důležitosti funkcí pro datovou sadu v Azure Machine Learning
Seznam definic zásad

Inovace na hybridní platformě, která je bezpečnější a více vyhovuje předpisům

Zvyšte zabezpečení v rámci celého životního cyklu strojového učení díky komplexním funkcím zahrnujícím identity, data, sítě, monitorování a dodržování předpisů. Zabezpečte řešení s využitím vlastního řízení přístupu na základě rolí, virtuálních sítí, šifrování dat, privátních koncových bodů a privátních IP adres. Trénujte a nasazujte modely v místním prostředí, aby byly splněny požadavky na suverenitu dat. Využijte integrované zásady a zjednodušte dodržování předpisů s využitím 60 certifikací, včetně FedRAMP vysoké úrovně a HIPAA.

Posílení znalostí strojového učení s využitím Azure

Přečtěte si víc o strojovém učení v Azure a zapojte se do praktických kurzů v rámci 30denního výukového plánu. Po jeho absolvování budete připraveni na certifikaci Azure Data Scientist Associate.

Osoba pracující na přenosném počítači v konferenční místnosti

Klíčové možnosti služby pro úplný životní cyklus strojového učení

  • Popisování dat

    Popisování s podporou strojového učení umožňuje vytvářet, spravovat a monitorovat projekty popisování a automatizovat iterativní úlohy.

  • Příprava dat

    Rychle iterujte při přípravě dat ve velkém měřítku na Apache Spark clusterech v rámci Azure Machine Learning, které jsou interoperabilní s Azure Synapse Analytics.

  • Poznámkové bloky pro spolupráci

    Dosáhněte maximální produktivity s využitím IntelliSense, snadného přepínání výpočetních prostředků a jader a offline úprav poznámkových bloků. Spusťte poznámkový blok v editoru Visual Studio Code, abyste získali bohaté vývojové prostředí, včetně zabezpečeného ladění a podpory správy zdrojového kódu Git.

  • Automatizované strojové učení

    Rychle vytvářejte přesné modely pro klasifikaci, regresi, prognózování časových řad, úlohy zpracování přirozeného jazyka a úlohy počítačového zpracování obrazu. Využijte interpretovatelnost modelů k pochopení způsobu sestavení modelu.

  • Strojové učení podporující přetahování

    Použijte nástroje strojového učení jako návrháře pro transformaci data, trénování a vyhodnocování modelů nebo snadné vytváření a publikování kanálů strojového učení.

  • Zpětnovazební učení

    Škálujte zpětnovazební učení na výkonné výpočetní clustery, zajistěte podporu scénářů s více agenty a získejte přístup k opensourcovým algoritmům, architekturám a prostředím zpětnovazebního učení.

  • Odpovědná budova

    Zajistěte transparentnost modelů při trénování a odvozování díky možnostem interpretovatelnosti. Posuzujte nestrannost modelů na základě metrik nekonzistence a zmírňujte nespravedlnosti. Vylepšete spolehlivost modelu a identifikujte a diagnostikujte chyby modelu pomocí sady nástrojů pro analýzu chyb. Pomozte chránit data s využitím rozdílové ochrany osobních údajů.

  • Experimentování

    Spravujte a monitorujte spuštění nebo porovnávejte několik spuštění v rámci trénování a experimentování. Vytvářejte vlastní řídicí panely a sdílejte je se svým týmem.

  • Registry

    Využijte úložiště pro celou organizaci k ukládání a sdílení modelů, kanálů, komponent a datových sad napříč několika pracovními prostory. Automaticky zachytávejte rodokmen dat a data zásad správného řízení pomocí funkce záznamu pro audit.

  • Git a GitHub

    Použijte integraci Git ke sledování práce a podporu GitHub Actions k implementaci pracovních postupů strojového učení.

  • Spravované koncové body

    Pomocí spravovaných koncových bodů můžete zprovoznit nasazení a vyhodnocení modelů, protokolovat metriky a provádět bezpečné uvádění modelů.

  • Automatické škálování výpočetních prostředků

    Pomocí účelových superpočítačů s umělou inteligencí můžete distribuovat trénování hlubokého učení a rychle testovat, ověřovat a nasazovat modely. Sdílejte clustery CPU a GPU v rámci pracovního prostoru a automaticky je škálujte s ohledem na své požadavky na strojové učení.

  • Interoperabilita s ostatními službami Azure

    Zvyšte produktivitu díky Power BI a službám Microsoftu, jako jsou Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc, Azure Security Center a Azure Databricks.

  • Hybridní a multicloudová podpora

    Spouštějte strojové učení ve stávajících clusterech Kubernetes místně, v multicloudovém prostředí a na hraničních zařízeních s využitím služby Azure Arc. Pomocí jednoduchého agenta strojového učení můžete začít trénovat modely bezpečněji, ať jsou vaše data kdekoli.

  • Zabezpečení na podnikové úrovni

    Využijte možnost lépe zabezpečeného sestavování a nasazování modelů díky možnostem izolace sítí a komplexní privátní IP adresy, řízení přístupu k prostředkům a akcím na základě role, vlastním rolím nebo spravovaným identitám pro výpočetní prostředky.

  • Správa nákladů

    Snižte náklady na IT a lépe spravujte přidělení prostředků pro výpočetní instance s využitím limitů kvót na úrovni pracovního prostoru a prostředků a automatického vypnutí.

Integrované komplexní zabezpečení a dodržování předpisů

  • Microsoft investuje do výzkumu a vývoje v oblasti kybernetického zabezpečení více než 1 miliardu USD ročně.

  • Zaměstnáváme více než 3 500 odborníků na zabezpečení, kteří se plně věnují zabezpečení dat a ochraně osobních údajů.

  • Azure má více certifikací než jakýkoli jiný poskytovatel cloudu. Podívejte se na kompletní seznam.

Začínáme s bezplatným účtem Azure

1

Začněte zdarma. Získejte kredit ve výši 200 USD, který můžete využít do 30 dnů. Dokud máte kredit, můžete zdarma využívat příslušný objem služeb u mnoha našich nejoblíbenějších služeb – a k tomu navíc zdarma více než 55 dalších služeb, které jsou vždy zdarma.

2

Po vyčerpání kreditu můžete přejít na průběžné platby, abyste mohli dál pokračovat v sestavování s využitím stejných bezplatných služeb. Platíte jenom za to, co využijete nad rámec vašeho bezplatného měsíčního objemu.

3

Po uplynutí 12 měsíců budete mít i nadále k dispozici více než 55 služeb, které jsou vždy zdarma, a stále budete platit jenom za to, co využijete nad rámec bezplatných měsíčních objemů.

Vytvářejte nové modely a ukládejte cílové výpočetní objekty, modely, nasazení, metriky a historie spuštění v cloudu.

Zpět na karty

Zákazníci využívající Azure Machine Learning

"Naším cílem je vyzkoušet si nové nápady a jít dál, abychom AXA UK odlišili od ostatních pojištěních. Spravované koncové body v Azure Machine Learning vnímáme jako klíčový faktor pro naše digitální aktivity."

Nic Bourven, ředitel informačních technologií, AXA UK

Rodič a dítě sedí v kufru auta při pohledu na fotoaparát a směje se

"Zákazníci očekávají včasné a přesné informace o svých balíčcích a možnosti doručování na základě dat. Díky Azure Machine Learning pomáháme FedExu udržet si náskok a vytváříme odborné znalosti pro budoucí projekty."

Bikram Virk, produktový manažer, AI a Machine Learning, FedEx

Dva lidé pracující v továrně

"Vzhledem k tomu, že se více našich skupin spoléhá na Azure Machine Learning řešení, naši finanční odborníci se mohou více soustředit na úlohy vyšší úrovně a trávit méně času ručním shromažďováním a zadáváním dat."

Jeff Neilson, Data Science Manager, 3M

Svářeč pracující

i

"S Azure Machine Learning můžeme pacientovi ukázat rizikové skóre, které je vysoce přizpůsobené jejich individuálním okolnostem. ...V konečném důsledku se snažíme snížit riziko, omezit nejistotu a zlepšit výsledky léčby."

Profesor Mike Reed, klinický ředitel, Trauma & Orthopedics, Northumbria Healthcare NHS Foundation Trust

Zdravotník mluvící s pacientem

1

"Využili jsme možnosti MLOps v Azure Machine Learning ke zjednodušení celého procesu strojového učení. Díky tomu se můžeme více soustředit na datové vědy a umožnit Azure Machine Learning se postarat o komplexní operacionalizaci."

Michael Cleavinger, ředitel oddělení Shopper Insights, Data Science, and Advanced Analytics, PepsiCo

Pracovník doplňuje plechovky Pepsi a Mountain Dew v lednici

.

"Použití funkcí automatizovaného strojového učení Azure Machine Learning pro vytváření modelů strojového učení nám umožnilo realizovat prostředí, ve kterém můžeme vytvářet a experimentovat s různými modely z různých úhlů pohledu."

Keiichi Sawada, divize podnikové transformace, Seven Bank

Umístění Seven Bank
Zpět na karty

Prostředky Azure Machine Learning

Průvodce zvládnutí Azure Machine Learning

Průvodce zvládnutí Azure Machine Learning

Seznamte se s odbornými technikami pro vytváření kompletních automatizovaných a vysoce škálovatelných modelů strojového učení a kanálů v Azure s využitím TensorFlow, Sparku a Kubernetes.

Technický dokument white paper MLOps

Technický dokument white paper MLOps

Seznamte se se systematickým přístupem k vytváření, nasazování a monitorování řešení strojového učení s využitím MLOps. Rychle sestavujte, testujte a spravujte životní cyklus strojového učení připraveného pro produkční prostředí ve velkém měřítku.

Studie Total Economic ImpactTM (TEI) společnosti Forrester

Studie Total Economic ImpactTM (TEI) společnosti Forrester

Studie TEI (Total Economic ImpactTM ) společnosti Forrester Consulting, kterou si zadal Microsoft, zkoumá potenciální návratnost investic (ROI), kterou mohou podniky realizovat s Azure Machine Learning.

Dokument white paper o řešeních Machine Learning

Dokument white paper o řešeních Machine Learning

Naučte se vytvářet zabezpečená, škálovatelná a rovnoměrná řešení.

Dokument white paper o zodpovědné umělé inteligenci

Dokument white paper o zodpovědné umělé inteligenci

Přečtěte si o nástrojích a metodách pro pochopení, ochranu a řízení modelů.

Dokument white paper Operace strojového učení (MLOps)

Dokument white paper Operace strojového učení (MLOps)

Zrychlete proces vytváření, trénování a nasazování modelů ve velkém.

White paper strojového učení s podporou Azure Arc

White paper strojového učení s podporou Azure Arc

Naučte se vytvářet, trénovat a nasazovat modely v libovolné infrastruktuře.

 

Nejčastější dotazy k Azure Machine Learning

  • Tato služba je obecně dostupná v několika zemích/oblastech a další se připravují.

  • Smlouva o úrovni služeb (SLA) pro Azure Machine Learning zajišťuje dobu provozu na úrovni 99,9 procent.

  • Studio Azure Machine Learning je špičkový nástroj strojového učení. Poskytuje centralizované místo, ve kterém můžou odborníci na data a vývojáři pracovat se všemi artefakty pro sestavování, trénování a nasazování modelů strojového učení.

Jsme na vás připraveni – společně vytvoříme váš bezplatný účet Azure

Vyzkoušejte službu Azure Machine Learning zdarma