Azure Machine Learning
Brug en tjeneste i virksomhedsklasse til livscyklussen for maskinel indlæring fra slutpunkt til slutpunkt
Opret forretningskritiske modeller til maskinel indlæring i stor skala
Giv dataeksperter og udviklere mulighed for trygt at oprette, udrulle og administrere modeller i høj kvalitet. Få hurtigere værdi for pengene med brancheførende handlinger til maskinel indlæring (MLOps), interoperabilitet med åben kildekode og integrerede værktøjer. Skab innovative produkter på en sikker og pålidelig platform, der er designet til ansvarlig AI-programmer til maskinel indlæring.
Byg og oplær hurtigt modeller
Brug Studio-udviklingsoplevelsen til at få adgang til indbyggede værktøjer og den bedste support i klassen til strukturer og biblioteker med åben kildekode.
Levér ansvarlige løsninger
Udvikl modeller til retfærdighed og forklaring, brug dem på en ansvarlig måde, når de udrulles, og styr, hvordan du opfylder kravene til afstamning og overvågning af overholdelse af angivne standarder.
Operationaliser i stor skala
Udrul modeller til maskinel indlæring hurtigt og nemt, og administrer og styr dem effektivt med MLOps.
Skab innovative produkter på en sikrere hybridplatform
Kør arbejdsbelastninger med maskinel indlæring overalt med indbygget styring, sikkerhed og overholdelse af angivne standarder.
Op til 3 gange investeringsafkastet på projekter til maskinel indlæring
70 % færre trin til oplæring af modeller
90 % færre linjer kode for pipelines
60 certificeringer til overholdelse af angivne standarder
Den eneste platform med PyTorch Enterprise
Understøttelse af livscyklussen for end-to-end maskinel indlæring

Datamærkning
Mærk træningsdata og administrer mærkningsprojekter.
Dataforberedelse
Brug med analyseprogrammer til udforskning og forberedelse af data.
Datasæt
Få adgang til data, og opret og del datasæt.

Notebooks
Brug samarbejdsbaserede Jupyter-notesbøger med vedhæftet compute.
Automatiseret maskinel indlæring
Oplær og juster automatisk nøjagtige modeller.
Træk og slip-designer
Design med en træk og slip-udviklingsgrænseflade.
Eksperimenter
Kør eksperimenter, og opret og del brugerdefinerede dashboards.
Kommandolinje-grænseflade
Fremskynd oplæringsprocessen for modellen, samtidig med at du skalerer op og ud på Azure Compute.
Visual Studio Code og GitHub
Brug velkendte værktøjer, og skift nemt fra lokal til skytræning.
Beregn instans
Udvikl i et administreret og sikkert miljø med cloud-CPU'er, GPU'er og supercomputing-klynger.
Open source-biblioteker og strukturer
Få indbygget understøttelse af Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib og meget mere.

Administrerede slutpunkter
Udrul modeller til batch og fornuftslutning i realtid hurtigt og nemt.
Pipelines og CI/CD
Automatiser arbejdsprocesser til maskinel indlæring.
Forudbyggede billeder
Få adgang til objektbeholderafbildninger med strukturer og biblioteker til udledning.
Modellager
Del og spor modeller og data.
Hybrid og multicloud
Oplær og udrul modeller i det lokale miljø og på tværs af multicloudmiljøer.
Optimer modeller
Sæt fart på oplæring og udledning, og reducer omkostningerne med ONNX Runtime.

Overvågning og analyse
Spor, log og analyser data, modeller og ressourcer.
Dataafvigelse
Registrer drift og bevar modellens nøjagtighed.
Fejlanalyse
Foretag fejlfinding af modeller og optimer modellens nøjagtighed.
Overvågning
Spor artefakter til maskinel indlæring for at sikre overholdelse af angivne standarder.
Politikker
Brug indbyggede og brugerdefinerede politikker til administration af overholdelse.
Sikkerhed
Nyd kontinuerlig overvågning med Azure Security Center.
Omkostningsstyring
Anvend kvotestyring og automatisk nedlukning.
Få hurtigere værdi for pengene med hurtig og præcis modeludvikling
Øg produktiviteten med studiekapaciteten, en udviklingsoplevelse, der understøtter alle opgaver i forbindelse med maskinel indlæring, til at bygge, oplære og udrulle modeller. Samarbejd med Jupyter Notebooks ved hjælp af indbygget understøttelse af populære frameworks og biblioteker med åben kildekode. Opret præcise modeller hurtigt med automatiseret maskinel indlæring ved hjælp af funktionsteknologi og hyperparameter-fejende muligheder. Få adgang til fejlfindingsprogram, profiler og forklaringer for at forbedre modellens ydeevne, mens du oplærer. Brug dyb Visual Studio Code til at gå fra lokal til cloudoplæring problemfrit, og autoskaler med kraftfulde skybaserede CPU- og GPU-klynger.


Operationaliser i stor skala med handlinger til maskinel indlæring (MLOps)
Strømlin udrulningen og administrationen af tusindvis af modeller i det lokale miljø, i grænsemiljøer og i multicloudmiljøer ved hjælp af MLOps. Udrul og vurder modeller til maskinel indlæring 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). Overvåg målepunkter for modelydeevne løbende, registrer dataflow, og udløs genoplæring for at forbedre modellens ydeevne. Gennem hele livscyklussen kan du endda aktivere overvågning og styring med sporing og dataafstamning for alle ML-artefakter, der er klar til brug.
Opret ansvarlige løsninger til maskinel indlæring
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 og politikker med årsagsanalyse i det ansvarlige AI-dashboard, og generer et scorekort på tidspunktet for udrulningen. Eksporter scorekortet til en PDF for at kontekstualisere ansvarlige AI-målinger, og del det med både tekniske og ikke-tekniske målgrupper for at involvere interessenter og strømline gennemgang af overholdelse.


Skab innovative produkter på en hybridplatform, der er mere sikker og kompatibel
Øg sikkerheden på tværs af livscyklussen for maskinel indlæring med omfattende funktioner, der strækker sig over identitet, godkendelse, data, netværk, overvågning, styring og overholdelse af angivne standarder. Opret mere sikre løsninger med maskinel indlæring ved hjælp af brugerdefineret rollebaseret adgangskontrol, virtuelle netværk, datakryptering, private slutpunkter og komplette private IP-adresser. Oplær og udrul modeller i det lokale miljø for at opfylde krav til datasuverænitet. Administrer styringen med indbyggede politikker, og strømlin overholdelsen af angivne standarder med en omfattende portefølje, der strækker sig over 60 certificeringer, herunder FedRAMP High og HIPAA.
Opbyg dine færdigheder inden for maskinel indlæring med Azure
Få mere at vide 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
Datamærkater
Opret, administrer og overvåg projekter for forsyning med mærkater, og automatiser gentagne opgaver til forsyning med mærkater, der er assisteret af maskinel indlæring.
Dataforberedelse
Udfør interaktiv dataforberedelse med PySpark ved hjælp af Azure Synapse.
Samarbejdsnotesbøger
Maksimer produktiviteten med IntelliSense, nem beregning og skift af kerner samt offlineredigering af notesbog. Start din notesbog i Visual Studio Code for at få en omfattende udviklingsoplevelse, herunder sikker fejlfinding og support til Git-versionsstyring.
Automatiseret maskinel indlæring
Opret hurtigt nøjagtige modeller til klassificering, regression, tidsserieprognoser, behandlingsopgaver i naturligt sprog og Computer Vision-opgaver. Brug modelfortolkning til at forstå, hvordan modellen blev bygget.
Træk og slip maskinel indlæring
Brug værktøjer til maskinel indlæring som designer til datatransformation, oplæring og evaluering af modeller eller til nemt at oprette og udgive pipelines til maskinel indlæring.
Styrket læring
Skalér styrket indlæring for effektive beregningsklynger, understøt scenarier med flere agenter, og få adgang til algoritmer, strukturer og miljøer til styrket indlæring med åben kildekode.
Ansvarlig maskinel indlæring
Få modelgennemsigtighed ved træning og fornuftslutning med funktionalitet til fortolkning. Vurder retfærdigheden af modellen gennem forskelle i metrikværdier, og afhjælp uretfærdigheden. Gør modellen mere pålidelig, og identificer og diagnosticer modelfejl med værktøjet til fejlanalyse. Hjælp med at beskytte data med differentieret beskyttelse af personlige oplysninger.
Eksperimenteren
Administrer og overvåg kørsler, eller sammenlign flere kørsler til oplæring og eksperimenter. Opret brugerdefinerede dashboards, og del dem med dit team.
Modelregistrering og overvågningslog
Brug den centrale registreringsdatabase til at gemme og spore data, modeller og metadata. Registrer automatisk dataafstamning og styringsdata med en overvågningslog.
Git og GitHub
Brug Git-integration til at spore arbejde og til understøttelse af GitHub-handlinger for at implementere arbejdsprocesser til maskinel indlæring.
Administrerede slutpunkter
Brug administrerede slutpunkter til at idriftsætte udrulning af modeller og scoring, logge metrikværdier og udføre sikre modeludrulninger.
Automatisk skalering af beregning
Brug administreret beregning til at distribuere træning, og til hurtigt at teste, validere og udrulle modeller. Del CPU- og GPU-klynger på tværs af et arbejdsområde, og skaler automatisk for at imødekomme dine behov for maskinel indlæring.
Interoperabilitet med andre Azure-tjenester
Sæt fart på produktiviteten med Microsoft Power BI og tjenester såsom Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc, Azure Security Center og Azure Databricks.
Understøttelse af hybridcloudmiljøer og miljøer med flere clouds
Kør maskinel indlæring på eksisterende Kubernetes-klynger i det lokale miljø, i flere cloudmiljøer og på grænseenheder med Azure Arc. Brug den enkle agent til maskinel indlæring til at begynde at oplære modeller mere sikkert, uanset hvor dine data befinder sig.
Professionel sikkerhed
Opret og udrul mere sikkert modeller med netværksisolation og komplette Private IP-funktioner, rollebaseret adgangskontrol til ressourcer og handlinger, brugerdefinerede roller og administreret identitet til beregningsressourcer.
Omkostningsstyring
Reducer it-omkostningerne, og administrer ressourceallokeringer for beregningsinstanser bedre med kvotegrænser for arbejdsområder og ressourceniveauer og automatisk lukning.

Vejledning til at mestre Azure Machine Learning
Få mere at vide om professionelle teknikker til at skabe automatiserede og yderst skalerbare komplette modeller til maskinel indlæring og pipelines i Azure ved hjælp af TensorFlow, Spark og Kubernetes.

Whitepaper om Engineering MLOps
Opdag 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.

The Forrester WaveTM 2020-rapport
Se hvorfor Forrester udnævnte Microsoft Azure Machine Learning som førende i Forrester WaveTM: Notesbogsbaseret forudsigende analyse og maskinel indlæring, Q3 2020.

Undersøgelsen Forrester Total Economic ImpactTM (TEI)
Undersøgelsen Forrester Consulting Total Economic ImpactTM (TEI), 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 sikre, skalerbare og retfærdige løsninger.

Whitepaper om ansvarlig kunstig intelligens
Læs om værktøjer og metoder til at forstå, beskytte og administrere dine modeller.

Whitepaper om handlinger til maskinel indlæring (MLOps)
Fremskynd processen med at udvikle, oplære og udrulle modeller i stor skala.

Azure Arc-enabled Machine Learning white paper
Learn how to build, train, and deploy models in any infrastructure.
Omfattende sikkerhed og overholdelse af angivne standarder, indbygget
-
Microsoft investerer mere end USD 1 milliarder årligt i forskning i og udvikling af cybersikkerhed.
-
Vi har mere end 3,500 sikkerhedseksperter, der er dedikeret til beskyttelse af data og personlige oplysninger.
-
Azure har flere certificeringer end nogen anden cloududbyder. Se den omfattende liste.
Sådan bruger du Azure Machine Learning
Gå til din studio-weboplevelse
Opbyg og oplær
Udrul og administrer

Betal kun for det, du har brug for, uden forudbetaling
Kom i gang med en gratis Azure-konto
Start gratis. Få $200 kredit, du kan bruge inden for 30 dage. Mens du har din kredit, kan du få gratis mængder af mange af vores mest populære tjenester plus gratis mængder på mere end 40 andre tjenester, der altid er gratis.
Efter din kredit skal du gå til pay as you go (betal efter forbrug) for at fortsætte med at bygge med de samme gratis tjenester. Betal kun, hvis du bruger mere end dine gratis månedlige beløb.
Efter 12 måneder får du stadig mere end 40 tjenester, der altid er gratis, og du betaler stadig kun for det, du bruger ud over dine gratis månedlige beløb.
Kunder, der bruger Azure Machine Learning
Nic Bourven, Informationschef, AXA UK"We make it our mission to try new ideas and go beyond to differentiate AXA UK from other insurers. We see managed endpoints in Azure Machine Learning as a key enabler for our digital ambition."

Bikram Virk, Product Manager, AI and Machine Learning, FedEx"Customers expect timely and accurate information on their packages and a data-based delivery experience. We're helping FedEx stay on the leading edge with Azure Machine Learning, and we're building expertise for future projects."

Dr. Deepa Kasinathan, Product Manager and Group Leader, Robotron Datenbank-Software GmbH"The end-to-end pipeline (built with Azure Machine Learning) has all the features needed to develop and maintain machine learning models throughout their lifecycles."

Ignasi Paredes-Oliva, Lead Data Scientist, Nestlé Global Security Operations Center"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."

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

Gør livet nemmere for togpassagererne
DB Systel, der er partner i det tyske jernbaneselskab Deutsche Bahn, udviklede Digital Guide Dog-løsningen for at hjælpe passagerne. Ved hjælp af Azure Machine Learning tager det kun et par timer at oplære en ny model ved hjælp af neurale netværk.

Azure Machine Learning-ressourcer
Selvstudier for begyndere
Avancerede selvstudier
- Træn og udrul automatiserede modeller til maskinel indlæring
- Udforsk MLOps-eksempler i GitHub
- Brug designerværktøjet til forudsigelse
- Fortolk og forklar modeller til maskinel indlæring
- Fortolk og forklar automatiserede modeller til maskinel indlæring
- Brug Python SDK til automatiseret maskinel indlæring
- Brug brugergrænsefladen til automatiseret maskinel indlæring
- Automatisk oplæring af en tidsseriemodel
- Oplær automatisk en model til objektregistrering
- Oplær automatisk en model til behandling af naturligt sprog
- Udforsk eksempler på automatiseret maskinel indlæring i Jupyter Notebook i GitHub
Udvalgte videoer
- Forudbyggede Docker-billeder til inferens
- Administrerede slutpunkter
- PyTorch Enterprise i Azure
- Kør Machine Learning hvor som helst
- Demokratiser kunstig intelligens med Machine Learning-designer
- Få mere at vide om, hvordan du bliver en helt til maskinel indlæring
- Microsoft Azure Machine Learning Studio-notesbøger
- Administrer dine aktiver, artefakter og kode
- Kom i gang og analysér dine modeller
- Øg produktiviteten med datamærkning
Azure Machine Learning – opdateringer, blogge og meddelelser
Ofte stillede spørgsmål om Azure Machine Learning
-
Tjenesten er generelt tilgængelig i flere lande/områder, og der kommer flere til.
-
Serviceniveauaftalen (SLA) til Azure Machine Learning er på 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.