Spring over navigation

Azure Machine Learning-tjenester

Accelerer maskinel indlæring fra cloudmiljøet til grænseenhederne

Hvorfor vælge Azure Machine Learning Service?

Produktiv

Lav flere eksperimenter, og byg modeller hurtigere, med automatisk maskinel indlæring og administreret databehandling.

Det åbne

Brug de biblioteker og IDE'er, du allerede kender, til maskinel indlæring.

Pålidelig

Få fordel af paratheden til store virksomheder med sikkerhedsfunktioner og funktioner til overholdelse af angivne standarder med Azure og understøttelse af virtuelle netværk.

Hybrid

Byg, træn, administrer og udrul modeller til maskinel indlæring fra clouden til grænseenhederne.

Hvad følger der med Azure Machine Learning Service?

Automatiseret maskinel indlæring og tilpasning af hyperparametre

Identificer de bedste algoritmer hurtigere med automatisk maskinel indlæring, og find den bedste modeleffektivitet med intelligent tilpasning af hyperparametre.

Versionsstyring og reproducerbarhed

Udfør flere eksperimenter ved at spore og logge dine eksperimenter, så du nemmere kan reproducere og ændre dem.

Understøtter biblioteker og IDE'er med åben kildekode

Brug biblioteker til maskinel indlæring, f.eks. Tensorflow, PyTorch og scikit-learn. Azure Machine Learning Service integreres med dit foretrukne Python-udviklingsmiljø, herunder Visual Studio Code, Visual Studio, Azure Databricks-notebooks eller Jupyter-notebooks.

Modeladministration

Administrer og overvåg proaktivt dine modeller ved at registrere billede og model, og opgrader dem derefter via integreret CI/CD.

Hybridudrulning

Udrul modeller, hvor du har mest brug for dem, med administreret udrulning til clouden og grænseenhederne.

Distribueret deep learning

Byg bedre modeller hurtigere med store administrerede GPU-klynger. Træn modeller hurtigt med distribueret deep learning, og udrul dem på FPGA'er.

Sådan bruger du Azure Machine Learning Service

Trin 1: Opret et arbejdsområde

Installér SDK'et, og opret dit arbejdsområde til at gemme dine beregningsressourcer, modeller, udrulninger og kørselsoversigter i clouden.

Trin 2: Træn en model

Træn en model lokalt eller i clouden ved hjælp af åben kildekode-biblioteker til maskinel indlæring. Spor dine eksperimenter, og skaler nemt din træning op eller ned med administrerede beregningsressourcer i clouden.

Trin 3: Udrul og administrer

Udrul din model til test eller produktion for at generere forudsigelser. Udrul til clouden eller på grænseenheder, eller brug hardwareaccelererede modeller på FPGA'er for lynhurtig inferens. 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

Virtual Machines til datavidenskab

Udvidet forudkonfigureret miljø til AI-udvikling

Tag bedre beslutninger ved hjælp af Azure Machine Learning Service