Azure Machine Learning:

Professionel tjeneste til maskinel indlæring til hurtig udvikling og udrulning af modeller

Sæt fart under livscyklussen for maskinel indlæring fra slutpunkt-til-slutpunkt

Styrk dataforskere og udviklere med en lang række produktive funktioner til at bygge, oplære og udrulle modeller til maskinel indlæring og fremme teamsamarbejdet. Giv time to market et boost med førende MLOps – DevOps til maskinel indlæring. Skab innovative produkter på en sikker og pålidelig platform, der er designet til ansvarlig maskinel indlæring.

Maskinel indlæring til alle færdighedsniveauer

Produktivitet til alle færdighedsniveauer med Jupyter-notesbøger, træk og slip-designer samt automatiseret maskinel indlæring.

Komplet MLOps

Robuste MLOps-egenskaber, der gør det muligt at oprette og udrulle modeller i stor målestok ved hjælp af automatiserede og reproducerbare arbejdsprocesser i Machine Learning.

Ansvarlig innovation med maskinel indlæring

Rich set of built-in responsible capabilities to understand, protect, and control data, models and processes.

Åben og interoperabel

Den bedste understøttelse af frameworks med åben kildekode og sprog, herunder MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python og R.

Øg produktiviteten med maskinel indlæring til alle færdighedsniveauer

Skab og udrul hurtigt modeller til maskinel indlæring ved hjælp af værktøjer, der opfylder dine behov, uanset hvilke færdigheder du har. Brug indbyggede Jupyter-notebooks med IntelliSense eller træk og slip-designer. Sæt fart på modeloprettelsen med automatiseret maskinel indlæring, og få adgang til effektiv funktionsoprettelse, valg af algoritmer og oprydning af hyperparametre. Øg teameffektiviteten med delte datasæt, notesbøger, modeller og dashboards, der kan tilpasses, og som sporer alle aspekter af processen til maskinel indlæring.

Operationaliser i stor skala med MLOps

Udnyt fordelene ved MLOps for at strømline livscyklussen for maskinel indlæring fra udvikling af modeller til udrulning og administration. Opret reproducerbare arbejdsprocesser med pipelines til maskinel indlæring, og oplær, valider og udrul tusindvis af modeller i stor målestok fra cloudmiljøer til grænseenheder. Brug Azure DevOps-eller GitHub-handlinger til at planlægge, administrere og automatisere pipelines for maskinel indlæring, og brug avanceret analyse af datadrift til at forbedre modellens ydeevne over tid.

Byg ansvarlige løsninger til maskinel indlæring

Få adgang til avancerede egenskaber for ansvarlig maskinel indlæring, så du kan forstå, beskytte og styre dine data, modeller og processer. Forklar modellens funktionsmåde under træning og fornuftslutning, og skab med henblik på retfærdighed ved at registrere og afhjælpe modelbias. Bevar privatheden af data i hele livscyklussen for maskinel indlæring med differentielle teknikker til beskyttelse af personlige oplysninger, og brug fortrolig databehandling til at beskytte ressourcer til maskinel indlæring. Bevar automatisk revisionsspor, spor dataafstamning, og brug modeldataark for at muliggøre ansvarlighed.

Skab innovative produkter ved hjælp af en åben og fleksibel platform

Få integreret understøttelse af værktøjer og frameworks med åben kildekode til oplæring og fornuftsslutning i forbindelse med modeller til maskinel indlæring. Brug velkendte frameworks som f.eks. PyTorch, TensorFlow eller scikit-learn eller det åbne og interoperative ONNX-format. Vælg de udviklingsværktøjer, der bedst opfylder dine behov, herunder populære IDE'er, Jupyter Notebooks og CLI'er eller sprog som Python og R. Du kan bruge ONNX Runtime til at optimere og give fornuftslutning på tværs af cloudmiljøer og ydre enheder et boost. Spor alle aspekter af dine undervisningseksperimenter ved hjælp af MLfLow.

Build your machine learning skills with Azure

Learn more about machine learning on Azure and participate in hands-on tutorials with this 30-day learning journey. At the end of this learning journey, you'll be prepared to take the Azure Data Scientist Associate Certification.

Avanceret sikkerhed, styring og hybrid infrastruktur

  • Oplær modeller i din hybride infrastruktur ved hjælp af Kubernetes-klynger i det lokale miljø, på tværs af miljøer med flere clouds og på grænseenheder med Azure Arc-interoperabilitet.
  • Få adgang til sikkerhedsfunktioner, f.eks. rollebaseret adgang, brugerdefinerede roller til maskinel indlæring, virtuelle netværk og private links. Administrer styring med politikker, revisionsspor, kvote og administration af omkostninger.
  • Strømlin overholdelse af angivne standarder med en omfattende portefølje, der strækker sig over 60 certificeringer, herunder FedRAMP High og DISA IL5.

Vigtige tjenesteegenskaber

Samarbejdsnotesbøger

Maksimer produktiviteten med IntelliSense, nem beregning og skift af kerner samt offlineredigering af notesbog.

Automatiseret maskinel indlæring

Opret hurtigt præcise modeller til klassificering, regression og prognose for tidsserier. Brug fortolkning af modeller til at forstå, hvordan modellen blev oprettet.

Træk og slip maskinel indlæring

Brug værktøjer til maskinel indlæring som designer sammen med moduler til datatransformation, træning og evaluering af modeller eller til nemt at oprette og udgive pipelines til maskinel indlæring.

Datamærkater

Forbered data hurtigt, administrer og overvåg projekter for forsyning med mærkater, og automatiser gentagne opgaver for forsyning med mærkater, der er assisteret af maskinel indlæring.

MLOps

Brug den centrale registreringsdatabase til at gemme og spore data, modeller og metadata. Registrer automatisk dataafstamning og styringsdata. Brug Git til at spore arbejde og GitHub Actions til at implementere arbejdsprocesser. Administrer og overvåg kørsler, eller sammenlign flere kørsler til træning og eksperimenter.

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.

Dyb integration med andre Azure-tjenester

Sæt fart på produktiviteten med indbygget integration med Microsoft Power BI og Azure-tjenester, f.eks. Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc og Azure Databricks.

Understøttelse af hybridcloudmiljøer og miljøer med flere clouds

Kør maskinel indlæring på eksisterende Kubernetes-klynger i det lokale miljø, i miljøer med flere clouds og på grænseenheder med Azure Arc. Brug den enkle ét kliks-udrulningsagent til at starte oplæringsmodeller sikkert, uanset hvor dine data befinder sig.

Styrket læring

Skaler 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. Beskyt data med differentiel beskyttelse af personlige oplysninger og fortrolige pipelines til maskinel indlæring.

Professionel sikkerhed

Opret og udrul mere sikkert modeller med netværksisolation og Private Link-funktioner, rollebaseret adgangskontrol til ressourcer og handlinger, brugerdefinerede roller og administreret identitet til beregningsressourcer.

Omkostningsstyring

Administrer ressourceallokering til Azure Machine Learning-beregningsinstanser bedre med kvotegrænser for arbejdsområde- og ressourceniveau.

Betal kun for det, du har brug for, uden forudbetaling

See Azure Machine Learning pricing

Beherskelse af Azure Machine Learning

Behersk 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.

Principper bag datavidenskab

Mange mennesker, der arbejder med data, har udviklet færdigheder inden for matematik, programmering eller domæneekspertise, men rigtig datavidenskab kræver alle tre. Denne omfattende e-bog hjælper med at udfylde hullerne.

Forrester Wave: førende i 2020

Forrester nævner Microsoft Azure Machine Learning som førende i Forrester Wave™: Notesbogsbaseret forudsigende analyse og maskinel indlæring, Q3 2020.

Sådan bruger du Azure Machine Learning

Gå til din studio-weboplevelse

Opbyg og oplær

Udrul og administrer

Trin 1 af 1

Opret nye modeller, og gem dine databehandlingsmål, modeller, udrulninger, målepunktsværdier og kørselshistorik i cloudmiljøet.

Trin 1 af 1

Brug automatiseret maskinel indlæring, så du kan identificere algoritmer og hyperparametre samt spore eksperimenter i cloudmiljøet. Opret modeller ved hjælp af notesbøger eller træk og slip-designeren.

Trin 1 af 1

Udrul din model til maskinel indlæring i cloudmiljøet eller på grænseenheden, overvåg ydeevnen, og genoplær den efter behov.

Kom i gang med at bruge Azure Machine Learning i dag

Get instant access and a $200 credit by signing up for an Azure free account.

Sign in to the Azure portal.

Kunder, der bruger Azure Machine Learning

"The model we deployed on Azure Machine Learning helped us choose the three new retail locations we opened in 2019. Those stores exceeded their revenue plans by over 200 percent in December, the height of our season, and within months of opening were among the best-performing stores in their districts."

Jolie Vitale, Director of BI and Analytics, Carhartt
Carhartt

"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."

Ignasi Paredes-Oliva, Lead Data Scientist, Nestlé Global Security Operations Center
Nestle Italia

"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."

Joey Chua, Senior Manager Machine Learning Engineering, AGL
AGL

"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."

Daniel Engberg, Head of Data Analytics and Artificial Intelligence, Scandinavian Airlines
Scandinavian Airlines

"If I have 200 models to train—I can just do this all at once. It can be farmed out to a huge compute cluster, and it can be done in minutes. So I'm not waiting for days."

Dean Riddlesden, Senior Data Scientist, Global Analytics, Walgreens Boots Alliance
Walgreens Boots Alliance

"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."

Alex Mohelsky, Partner and Advisory Data, Analytic and AI Leader, EY Canada
EY

Azure Machine Learning – opdateringer, blogge og meddelelser

Ofte stillede spørgsmål om Azure Machine Learning

  • The service is generally available in several countries/regions, with more on the way.
  • The service-level agreement (SLA) for Azure Machine Learning is 99.9 percent uptime.
  • 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.

Den er klar, når du er – lad os konfigurere din gratis Azure-konto