Spring over navigation

Azure Machine Learning-tjenester

Udarbejd, oplær og udrul modeller fra cloudmiljøet til grænseenheder

Meddelelse

  • TAL
  • Asos
  • Elastacloud
  • Wipro
  • Cognizant

Oversigt

Gør det enklere og hurtigere at udarbejde, oplære og udrulle dine modeller til maskinel indlæring. Brug automatiseret maskinel indlæring, så du kan identificere passende algoritmer og finjustere hyperparametre hurtigere. Opnå forbedret produktivitet og reducer omkostningerne med automatisk skalering af beregning og DevOps til maskinel indlæring. Udrul problemfrit i cloudmiljøet og på grænseenheder med ét klik. Få adgang til alle disse egenskaber fra dit foretrukne Python-miljø ved hjælp af de nyeste strukturer i åben kildekode, f.eks. PyTorch, TensorFlow og scikit-learn.

Hvorfor vælge Azure Machine Learning Service?

Produktiv

Udarbejd og oplær modeller hurtigere med automatiseret maskinel indlæring, automatisk skalering af databeregning i et cloudmiljø og indbyggede DevOps.

Det åbne

Brug Azure Machine Learning Service fra et hvilket som helst Python-miljø og med dine foretrukne frameworks og værktøjer.

Pålidelig

Øg virksomhedens parathed med sikkerhedsfunktioner, funktioner til overholdelse af angivne standarder og understøttelse af virtuelle netværk i Azure.

Hybrid

Udarbejd, oplær og udrul dine modeller i det lokale miljø, i cloudmiljøet eller på grænseenheder.

Egenskaber i Azure Machine Learning Service

Automatiseret maskinel indlæring

Identificer passende algoritmer og hyperparametre hurtigere.

Administreret beregning

Træn let modeller, og reducer omkostningerne ved at skalere effektive GPU-klynger automatisk.

DevOps til maskinel indlæring

Øg produktiviteten med sporing af eksperimenter, administration og overvågning af modeller, integreret CI/CD og pipelines til maskinel indlæring.

Enkel udrulning

Udrul modeller i det lokale miljø, i cloudmiljøet og på grænseenheder med nogle få kodelinjer.

Værktøjsagnostisk Python SDK

Azure Machine Learning Service kan integreres med et hvilket som helst Python-miljø, herunder Visual Studio Code, Jupyter-notesbøger og PyCharm.

Understøttelse af strukturer med åben kildekode

Brug dine foretrukne strukturer og værktøjer til maskinel indlæring, f.eks. PyTorch, TensorFlow og scikit-learn.

Sådan bruger du Azure Machine Learning Service

Trin 1 af 3

Trin 1: Opret et arbejdsområde

Installér SDK'et i dit foretrukne Python-miljø, og opret dit arbejdsområde for at gemme dine beregningsressourcer, modeller, udrulninger og kørselsoversigter i cloudmiljøet.

Trin 2 af 3

Trin 2: Opbyg og oplær

Benyt frameworks efter eget valg og maskinel indlæringsfunktionalitet til hurtigere at identificere relevante algoritmer og hyperparametre. Spor dine eksperimenter, og få let adgang til effektive GPU'er i cloudmiljøet.

Trin 3 af 3

Trin 3: Udrul og administrer

Udrul modeller i cloudmiljøet eller på grænseenheder, og brug hardwareaccelererede modeller på FPGA'er for at opnå lynhurtig følgeslutning. Når din model er i produktion, kan du overvåge ydeevnen og dataafvigelser og gentræne efter behov.

Relaterede produkter og tjenester

Azure Databricks

Hurtig og nem Apache Spark-baseret analyseplatform til samarbejde

Machine Learning Studio

Byg, udrul og administrer let forudsigende analyseløsninger

SQL Data Warehouse

Elastisk data warehouse som en tjeneste med professionelle funktioner

Virtual Machines til datavidenskab

Udvidet forudkonfigureret miljø til AI-udvikling

Tag bedre beslutninger ved hjælp af Azure Machine Learning Service