Přeskočit navigaci

Azure Machine Learning

Přístupná AI pro všechny díky komplexní, škálovatelné a důvěryhodné platformě se správou experimentů a modelů

Zrychlete kompletní životní cyklus strojového učení

Empower data scientists and developers with a wide range of productive experiences to build, train, and deploy machine learning models and foster team collaboration. Accelerate time to market with industry-leading MLOps—machine learning operations, or DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.

Strojové učení pro všechny úrovně dovedností

Productivity for all skill levels, with Jupyter Notebooks, drag-and-drop designer, and automated machine learning

Kompletní MLOps

Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows

Zodpovědné inovace strojového učení

Rich set of built-in responsible capabilities to understand, protect, and control data, models, and processes

Otevřenost a interoperabilita

Best-in-class support for open-source frameworks and languages including MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, and R

Boost productivity with machine learning for all skill levels

Rychle vytvářejte a nasazujte modely strojového učení s využitím nástrojů, které splní vaše požadavky bez ohledu na úroveň dovedností. Využijte integrované aplikace Jupyter Notebook s technologií Intellisense nebo návrháře podporujícího přetahování. Zrychlete vytváření modelů díky automatizovanému strojovému učení a získejte přístup k výkonným možnostem návrhu funkcí, výběru algoritmů a prohledávání hyperparametrů. Zvyšte efektivitu týmů prostřednictvím sdílených datových sad, poznámkových bloků, modelů a přizpůsobitelných řídicích panelů, které umožňují sledovat všechny aspekty procesu strojového učení.

Zprovozňování ve velkém měřítku díky MLOps

Take advantage of MLOps to streamline the machine learning lifecycle, from building models to deployment and management. Create reproducible workflows with machine learning pipelines, and train, validate, and deploy thousands of models at scale, from the cloud to the edge. Use managed online and batch endpoints to seamlessly deploy and score models without managing the underlying infrastructure. Use Azure DevOps or GitHub Actions to schedule, manage, and automate the machine learning pipelines, and use advanced data-drift analysis to improve model performance over time.

Sestavujte řešení zodpovědného strojového učen

Access state-of-the-art responsible machine learning capabilities to understand, control, and help protect your data, models, and processes. Explain model behavior during training and inferencing, and build for fairness by detecting and mitigating model bias. Preserve data privacy throughout the machine learning lifecycle with differential privacy techniques and use confidential computing to secure machine learning assets. Automatically maintain audit trails, track lineage, and use model datasheets to enable accountability.

Dosahujte inovace na otevřené a flexibilní platformě

Get built-in support for open-source tools and frameworks for machine learning model training and inferencing. Use familiar frameworks like PyTorch, TensorFlow, or scikit-learn, or the open and interoperable ONNX format. Choose the development tools that best meet your needs, including popular IDEs, Visual Studio Code, Jupyter Notebooks, and CLIs, or languages such as Python and R. Use ONNX Runtime to optimize and accelerate inferencing across cloud and edge devices. Track all aspects of your training experiments using MLflow.

Posílení znalostí strojového učení s využitím Azure

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

Pokročilé zabezpečení, zásady správného řízení a hybridní infrastruktura

  • Trénujte modely v hybridní infrastruktuře s využitím clusterů Kubernetes v místním prostředí, v různých cloudových prostředích i na hraničních zařízeních s využitím interoperability služby Azure Arc.
  • Využijte přístup k funkcím zabezpečení, jako jsou například přístup na základě rolí, vlastní role strojového učení, virtuální sítě a privátní propojení. Spravujte zásady správného řízení s využitím zásad, protokolů auditu, kvót a správy nákladů.
  • Zjednodušte si dodržování předpisů s využitím komplexního portfolia, které zahrnuje 60 certifikací, včetně FedRAMP High a DISA IL5.

Klíčové možnosti služby

Poznámkové bloky pro spolupráci

Maximize productivity with IntelliSense, easy compute and kernel switching, and offline notebook editing. Launch your notebook in Visual Studio Code for a rich development experience, including secure debugging and support for Git source control.

Automatizované strojové učení

Vytvářejte rychle přesné modely pro klasifikaci, regresi a prognózování časové řady. Využijte interpretovatelnost modelů k pochopení způsobu sestavení modelu.

Strojové učení podporující přetahování

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

Popisování dat

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

MLOps

Use the central registry to store and track data, models, and metadata. Automatically capture lineage and governance data. Use Git to track work and GitHub Actions to implement workflows. Manage and monitor runs, or compare multiple runs for training and experimentation. Use managed endpoints to operationalize model deployment and scoring, log metrics, and perform safe model rollouts.

Automatické škálování výpočetních prostředků

Využijte spravované výpočetní prostředky k distribuci trénování a rychlému testování, ověřování a nasazování modelů. Sdílejte clustery CPU a GPU v rámci pracovního prostoru a automaticky je škálujte s ohledem na vaše požadavky na strojové učení.

Úzká integrace s dalšími službami Azure

Zvyšte produktivitu díky předdefinované integraci s Microsoft Power BI a službami Azure, jako jsou Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc a Azure Databricks.

Hybridní a multicloudová podpora

Run machine learning on existing Kubernetes clusters on-premises, in multicloud environments, and at the edge with Azure Arc. Use the one-click machine learning agent to start training models more securely, wherever your data lives.

Zpětnovazební učení

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

Zodpovědné strojové učení

Get model transparency at training and inferencing with interpretability capabilities. Assess model fairness through disparity metrics and mitigate unfairness. Help protect data with differential privacy and confidential machine learning pipelines.

Zabezpečení na podnikové úrovni

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

Správa nákladů

Zlepšete správu přidělování prostředků pro výpočetní instance služby Machine Learning s využitím limitů kvót na úrovni pracovního prostoru a prostředků.

Plaťte jenom za to, co opravdu potřebujete, bez počátečních nákladů

Ceny služby Azure Machine Learning

Zvládnutí Azure Machine Learningu

Zvládnutí odborných technik pro vytváření kompletních automatizovaných a vysoce škálovatelných modelů strojového učení a kanálů v Azure s využitím TensorFlow, Sparku a Kubernetes

Principy datových věd

Řada lidí pracujících s daty má znalosti z oblasti matematiky, programování a konkrétního oboru, ale skutečné datové vědy vyžadují všechny tři. Tato obsáhlá elektronická kniha pomáhá tato bílá místa zaplnit.

Lídr ve zprávě Forrester Wave pro rok 2020

Společnost Forrester označila Microsoft Azure Machine Learning jako lídra, a to ve zprávě The Forrester Wave™: Prediktivní analýza a strojové učení na základě poznámkových bloků za 3. čtvrtletí 2020.

Používání Azure Machine Learning

Přejít do webového prostředí studia

Sestavení a trénování

Nasazení a správa

Krok 1 z 1

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

Krok 1 z 1

Využijte automatizované strojové učení k identifikaci algoritmů a hyperparametrů a sledování experimentů v cloudu. Vytvářejte modely s použitím poznámkových bloků nebo návrháře umožňujícího přetahování.

Krok 1 z 1

Nasaďte svůj model strojového učení v cloudu nebo na hraničních zařízeních, monitorujte jeho výkon a podle potřeby ho přetrénujte.

Začněte s Azure Machine Learning už dnes

Zaregistrujte si bezplatný účet Azure a získejte okamžitý přístup a kredit $200.

Přihlásit se na Azure Portal.

Zákazníci využívající Azure Machine Learning

"The model we deployed on Azure Machine Learning helped us choose three new retail locations. Those stores exceeded their revenue plans by over 200 percent [that] December, the height of our season, and within months of opening were among the best-performing stores in their districts."

Jolie Vitale, ředitelka pro BI a analýzy, Carhartt
Carhartt

"MLOps is at the core of our product. Because of its reproducible ML pipelines, ... registered models, and automatic model scoring, we're definitely detecting things that we missed before. Which, in terms of risk management, is really, really important."

Ignasi Paredes-Oliva, vedoucí odborník na data, Nestlé Global Security Operations Center
Nestle Italia

"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."

Joey Chua, vedoucí manažer, Machine Learning Engineering, AGL
AGL

"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."

Daniel Engberg, vedoucí pro analýzu dat a umělou inteligenci, Scandinavian Airlines
Scandinavian Airlines

"We've used the MLOps capabilities in Azure Machine Learning to simplify the whole machine learning process. That allows us to focus more on data science and let Azure Machine Learning take care of end-to-end operationalization."

Michael Cleavinger, Senior Director of Shopper Insights Data Science and Advanced Analytics, PepsiCo
PepsiCo

"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."

Alex Mohelsky, partner a vedoucí pro poradenská data, analýzy a AI, EY Canada
EY

Aktuality, blogy a oznámení týkající se Azure Machine Learning

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