Opret forretningskritiske modeller til maskinel indlæring i stor skala
Azure Machine Learning giver dataeksperter og udviklere mulighed for trygt at bygge, udrulle og administrere modeller af høj kvalitet hurtigere. Få hurtigere værdi for pengene med brancheførende handlinger til maskinel indlæring (MLOps), interoperabilitet med åben kildekode og integrerede værktøjer. Denne pålidelige AI-læringsplatform er udviklet til ansvarlige AI-programmer inden for maskinel indlæring.
Opnå værdi for pengene hurtigere
Byg modeller til maskinel indlæring ved hjælp af effektive AI-infrastruktur og orkestrer AI-arbejdsprocesser med promptflow.
Samarbejd og strømlin MLOps
Hurtig ML-modeludrulning, -administration og -deling til samarbejde på tværs af arbejdsområder og MLOps.
Udvikl med ro i sindet
Indbygget styring, sikkerhed og overholdelse af angivne standarder til kørsel af arbejdsbelastninger i forbindelse med maskinel indlæring overalt.
Design på en ansvarlig måde
Ansvarlig AI- til at bygge modeller, der kan forklares, ved hjælp af datadrevne beslutninger for gennemsigtighed og ansvarlighed.
Understøttelse af hele livscyklussen for maskinel indlæring
Datamærkning
Mærk oplæringsdata, og administrer projekter med mærkater.
Dataforberedelse
Brug sammen med analyseprogrammer til udforskning og forberedelse af data.
Datasæt
Få adgang til data, og opret og del datasæt.
Notebooks
Brug fælles Jupyter-notesbøger med vedhæftet beregning.
Automatiseret maskinel indlæring
Oplær og finjuster automatisk nøjagtige AI-modeller.
Træk og slip-designer
Design med en træk og slip-udviklingsgrænseflade.
Eksperimenter
Kør eksperimenter, og opret og del brugerdefinerede dashboards.
CLI og Python SDK
Sæt skub i oplæringsprocessen for modellen, samtidig med at du skalerer op og ud på Azure Compute.
Visual Studio-kode og GitHub
Brug velkendte værktøjer til maskinel indlæring, og skift nemt fra lokal til cloudbaseret træning.
Compute-instans
Udvikl i et administreret og sikkert miljø med dynamisk skalerbare CPU'er, GPU'er og supercomputingklynger.
Biblioteker og strukturer med åben kildekode
Få indbygget understøttelse af Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib og meget mere.
Administrerede slutpunkter
Udrul AI-læringsmodeller til batchudledning og udledning i realtid hurtigt og nemt.
Pipelines og CI/CD
Automatisering af arbejdsprocesser for maskinel indlæring.
Færdigbyggede billeder
Få adgang til afbildninger af objektbeholdere med strukturer og biblioteker til udledning.
Modellager
Del og spor modeller og data til maskinel indlæring.
Hybrid og multicloud
Oplær og udrul modeller i det lokale miljø og på tværs af multicloudmiljøer.
Optimerede modeller
Sæt skub i oplæring og udledning, og reducer omkostningerne med ONNX Runtime.
Registreringsdatabaser
Del og opdag modeller og pipelines på tværs af teams i din organisation.
Overvågning og analyse
Spor, log og analysér data, modeller og ressourcer.
Dataafvigelse
Registrer afvigelse, og bevar modellens nøjagtighed.
Fejlanalyse
Foretag fejlfinding af modeller, og optimer nøjagtigheden af AI-modellen.
Overvågning
Spor artefakter til maskinel indlæring for at sikre overholdelse af angivne standarder.
Politikker
Brug indbyggede og brugerdefinerede politikker til administration af overholdelse af angivne standarder.
Sikkerhed
Nyd godt af kontinuerlig overvågning med Azure Security Center.
Omkostningsstyring
Anvend kvotestyring og automatisk lukning.
Azure Machine Learning til generativ AI
Orkestrering af arbejdsprocesser for kunstig intelligens
Gør design, evaluering og udrulning af store sprogmodelbaserede programmer enklere med promptflow. Du kan nemt spore, genskabe, visualisere og forbedre prompter og flow på tværs af en række værktøjer og ressourcer, få mere at vide om generativ AI i Machine Learning.
Administreret platform fra slutpunkt til slutpunkt
Strømlin hele livscyklussen for store sprogmodeller og modeladministration med oprindelige MLOps-funktioner. Kør maskinel indlæring sikkert overalt med sikkerhed i virksomhedsklasse. Afhjælp modelbiaser, og evaluer modeller med dashboardet med ansvarlig kunstig intelligens.
Fleksible værktøjer og strukturer
Byg deep learning-modeller i værktøjer som Visual Studio Code og Jupyter Notebooks ved hjælp af fleksible strukturer, f.eks. PyTorch eller TensorFlow. Azure Machine Learning er kompatibel med ONNX Runtime og DeepSpeed- for at optimere oplæring og fornuftslutning.
Ydeevne i verdensklasse
Brug specialbyggede AI-infrastruktur, der er udviklet til at kombinere de nyeste NVIDIA GPU'er og InfiniBand-netværksløsninger op til 400 Gbps. Skaler op til tusindvis af GPU'er i en enkelt klynge med hidtil uset skalering.
Få hurtigere værdi for pengene med hurtig modeludvikling
Øg produktiviteten med en samlet studieoplevelse. Byg, oplær og udrul modeller med Jupyter Notebooks ved hjælp af indbygget understøttelse af strukturer og biblioteker med åben kildekode. Opret hurtigt modeller med automatiseret maskinel indlæringtil tabel-, tekst- og billeddata. Brug Visual Studio Code til problemfrit at skifte fra lokal til cloudbaseret træning, og skaler automatisk med Azure AI-infrastruktur, der drives af NVIDIA Quantum-2 InfiniBand-platformen. Design, sammenlign, evaluer og udrul dine prompter til store sprogmodelbaserede programmer med promptflow.
Samarbejd og strømlin modeladministration med MLOps
Strømlin udrulningen og administrationen af tusindvis af modeller i flere miljøer ved hjælp af MLOps. Udrul og vurder modeller hurtigere med fuldt administrerede slutpunkter for batch og forudsigelser i realtid. Brug pipelines, der kan gentages, til at automatisere arbejdsprocesser for løbende integration og levering (CI/CD). Del og opdag artefakter til maskinel indlæring på tværs af flere teams til samarbejde på tværs af arbejdsområder ved hjælp af registreringsdatabaser og administreret funktionslager. Overvåg målepunkter for modelydeevne løbende, registrer dataflow, og udløs genoplæring for at forbedre modellens ydeevne.
Byg løsninger i virksomedsklasse på en hybridplatform
Sæt sikkerheden øverst på tværs af livscyklussen for maskinel indlæring ved hjælp af den indbyggede datastyring i Microsoft Purview. Drag fordel af de omfattende sikkerhedsfunktioner, der omfatter identitet, data, netværk, overvågning og overholdelse af angivne standarder, alt sammen testet og valideret af Microsoft. Beskyt løsninger ved hjælp af brugerdefineret rollebaseret adgangskontrol, virtuelle netværk, datakryptering, private slutpunkter og private IP-adresser. Oplær og udrul modeller overalt fra det lokale miljø til multicloudmiljøer for at opfylde kravene til datasuverænitet. Styr med ro i sindet ved hjælp af indbyggede politikker og overholdelse af angivne standarder med 60 certificeringer, herunder FedRAMP High og HIPAA.
Brug ansvarlige praksisser for kunstig intelligens i hele livscyklussen
Evaluer modeller til maskinel indlæring med reproducerbare og automatiserede arbejdsgange for at vurdere modellens retfærdighed, forklaring, fejlanalyse, årsagsanalyse, modelydeevne og undersøgende dataanalyse. Foretag virkelige indgreb med årsagsanalyse i Det ansvarlige AI-dashboard, og generer et scorekort på tidspunktet for udrulningen. Kontekstualiser ansvarlige AI-målinger, for både tekniske og ikke-tekniske målgrupper for at involvere interessenter og strømline gennemgang af overholdelse.
Opbyg dine færdigheder inden for maskinel indlæring med Azure
Få mere at vide om maskinel indlæring i Azure, og deltag i praktiske selvstudier med en 30-dages læringsrejse. Til sidst vil du være klar til at tage certificeringen i Azure Data Scientist Associate.
Nøglefunktioner i tjenesten for hele livscyklussen til maskinel indlæring
-
Dataforberedelse
Du kan hurtigt gentage dataforberedelse i stor skala på Apache Spark-klynger i Azure Machine Learning, der fungerer sammen med Azure Databricks.
-
Funktionslager
Øg fleksibiliteten i forbindelse med at sende dine modeller ved at gøre funktioner synlige og genanvendelige på tværs af flere arbejdsområder med administrerede funktionslager.
-
Samarbejdsnotesbøger
Start din notesbog i Jupyter Notebook eller Visual Studio Code for at få en avanceret udviklingsoplevelse, herunder fejlfinding og understøttelse af Git-kildestyring.
-
Automatiseret maskinel indlæring
Opret hurtigt nøjagtige modeller til klassificering, regression, tidsserieprognoser, behandlingsopgaver i naturligt sprog og computervisionsopgaver med automatiserettil maskinel indlæring.
-
Træk og slip maskinel indlæring
Brug værktøjer til maskinel indlæring, f.eks. designer til datatransformation, modeloplæring og evaluering, eller til nemt at oprette og publicere pipelines til maskinel indlæring.
-
Ansvarlig AI
Byg ansvarlige AI- -løsninger med fortolkningsfunktioner. Vurder retfærdigheden af modellen gennem forskelle i målepunkter, og afhjælp uretfærdigheden.
-
Registreringsdatabaser
Brug lagre for hele organisationen til at gemme og dele modeller, pipelines, komponenter og datasæt på tværs af flere arbejdsområder. Registrer afstamning, og styr data ved hjælp af funktionen revisionsspor.
-
Administrerede slutpunkter
Brug administrerede slutpunkter til at operationalisere modeludrulning og scoring, logdata og udføre sikre modeludrulninger.
Omfattende indbygget sikkerhed og overholdelse af angivne standarder
-
Microsoft investerer mere end 1 milliard USD årligt på forskning i og udvikling af cybersikkerhed.
-
Vi har mere end 3.500 sikkerhedseksperter, som er dedikerede til datasikkerhed og beskyttelse af personlige oplysninger.
-
Betal kun for det, du har brug for, uden forudbetaling
Kom i gang med en gratis Azure-konto
1
2
Når din kredit er udløbet, flytter du til betaling efter forbrug, så du stadig kan bruge de samme gratis tjenester. Du betaler kun, hvis du bruger mere end din månedlige gratis mængde.
3
Azure Machine Learning-ressourcer
Avancerede selvstudier
- Oplær modeller til maskinel indlæring
- Tilpasning af en model for hyperparametre
- Pipelines til maskinel indlæring med Python SDK
- Oplær klassificeringsmodeller uden kode
- Oplær regressionsmodeller uden kode ved hjælp af designer
- Overvåg og analysér jobs i studio
- Modeladministration, -udrulning og -overvågning
- Byg og driv løsninger til maskinel indlæring
- Komplette handlinger inden for maskinel indlæring
- Oplær beregningstunge modeller
IDC MarketScape: Vurdering af MLOps 2022 Vendor
Få mere at vide om, hvordan virksomhedsorganisationer på tværs af brancher bruger MLOps til at overvinde udfordringerne ved at implementere teknologier til kunstig intelligens og maskinel indlæring.
Whitepaper om Engineering MLOps
Find en systematisk tilgang til at opbygge, udrulle og overvåge løsninger til maskinel indlæring med MLOps. Byg, test og administrer hurtigt produktionsklare livscyklusser for maskinel indlæring i stor skala..
Forrester Total Economic Impact-undersøgelse
Forrester Consulting Total Economic ImpactTM-undersøgelse, der er bestilt af Microsoft, undersøger det potentielle investeringsafkast, som virksomheder kan realisere med Azure Machine Learning.
Whitepaper om Machine Learning-løsninger
Få mere at vide om, hvordan du bygger mere sikre, skalerbare og avancerede løsninger til maskinel indlæring.
Whitepaper om ansvarlig kunstig intelligens
Få mere at vide om, hvordan du bygger mere sikre, skalerbare og avancerede løsninger til maskinel indlæring.
Whitepaper om MLOps
Fremskynd processen med at udvikle, oplære og udrulle modeller i stor skala.
Whitepaper om Azure Arc-aktiveret maskinel indlæring
Få mere at vide om, hvordan du bygger, oplærer og installerer modeller i enhver infrastruktur.
Ofte stillede spørgsmål om Azure Machine Learning
-
Tjenesten er almindeligt tilgængelig i flere lande/områder, og der er flere på vej.
-
Serviceniveauaftalen (SLA) til Azure Machine Learning er 99,9 % oppetid.
-
Det tilhørende studio til Azure Machine Learning er ressourcen på øverste niveau for Machine Learning. På den måde får dataanalytikere og udviklere et centraliseret sted til at arbejde med alle artefakterne til udvikling, oplæring og udrulning af modeller til maskinel indlæring.