Trace Id is missing
Gå til hovedindholdet
Azure

Azure Machine Learning

Brug en AI-tjeneste i virksomhedsklasse til hele livscyklussen for maskinel indlæring.

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.

Video container

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.

Se webinaret Uncover Predictive Insights with Analytics + AI

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.

Tilbage til faner

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.

En person, der arbejder på en bærbar computer i et mødelokale

Nøglefunktioner i tjenesten for hele livscyklussen til maskinel indlæring

  • 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

Kom i gang med en gratis Azure-konto

1

Start gratis. Få 200 USD i kredit, som du kan bruge inden for 30 dage. Når du har kredit, får du en vis mængde af mange af vores mest populære tjenester gratis og mere end 55 andre tjenester, som altid er gratis.

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

Efter 12 måneder får du fortsat mere end 55 tjenester, der altid er gratis – og du betaler stadig kun for det, du bruger udover din månedlige gratis mængde.

Få mere at vide om, hvordan kunder bruger Azure Machine Learning til at skabe innovation med kunstig intelligens

“PyTorch og Azure Machine Learning er det perfekte match til vores forskningsteams mål og sparer tid til at skabe banebrydende innovation.”

Orlando Ribas-ambassadører

Medstifter og CEO, Fashable

“Vores teams tester normalt [data], får resultater og bruger dem derefter til at udvikle modeller og algoritmer, som vi derefter bygger ind i softwareprodukter. Denne platform gør hele processen enklere, hurtigere og mere strømlinet.”

Mogens Mikkelsen

Virksomhedsarkitekt, SEGES-innovation

“Da flere af vores grupper er afhængige af Azure Machine Learning-løsningen, kan vores økonomieksperter fokusere mere på opgaver på højere niveau og bruge mindre tid på manuel dataindsamling og -input.”

Jeff Neilson

Data Science Manager, 3M

En svejser arbejder

i

“Med Azure Machine Learning kan vi vise patienten en risikoscore, der er yderst skræddersyet til deres individuelle omstændigheder. …I sidste ende bestræber vi os på at reducere risikoen, reducere usikkerheden og forbedre de sikkerhedsrisikoen.”

Professor Mike Reed

Klinisk direktør, trauma & ortopædi, Northumbria Healthcare NHS Foundation Trust

En læge, der taler med en patient

1

“Muligheden for at skalere beregningsressourcer op og ned er afgørende for innovationens hastighed og omkostningseffektivitet…. Azure Machine Learning og den indbyggede funktionalitet til maskinel indlæring gør fleksibilitet og omkostningseffektivitet enkel.”

Katrine Puech

Direktør for AI Engineering, Axon

.

“Ved hjælp af funktionerne til automatiseret maskinel indlæring i Azure Machine Learning til modeloprettelse af maskinel indlæring har vi mulighed for at realisere et miljø, hvor vi kan oprette og eksperimentere med forskellige modeller fra flere perspektiver.”

Keiichi Sawada

Corporate Transformation Division, Seven Bank

En Seven Bank-lokation
Tilbage til faner

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.

Klar, når du er. Lad os konfigurere din gratis Azure-konto

Prøv Azure Machine Learning gratis