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
Udstyr udviklere og dataanalytikere med en lang række produktive funktioner til hurtig udvikling, oplæring og udrulning af modeller til maskinel indlæring. Giv time to market et boost og skab grobund for teamsamarbejde med førende MLOps – DevOps til maskinel indlæring. Skab innovative produkter på en sikker og pålidelig platform, der er designet til ansvarlig AI.
Produktivitet til alle færdighedsniveauer med fokus på kodning og træk og slip-designer samt automatiseret maskinel indlæring
Robuste MLOps-egenskaber, der kan integreres med eksisterende DevOps-processer og hjælpe med at administrere hele ML-livscyklussen
Innovativ fairness og modelfortolkning til at udvikle ansvarlige AI-løsninger med forbedret sikkerhed og omkostningsstyring, der sikrer avanceret styring og kontrol
Den bedste understøttelse af frameworks med åben kildekode og sprog, herunder MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python og R
Giv produktiviteten et boost, og få adgang til 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 designeren, der ikke kræver kodning, til at komme i gang, elle brug indbyggede Jupyter-notesbøger til en oplevelse med fokus på kodning. Sæt fart på modeloprettelsen med brugergrænsefladen til automatiseret maskinel indlæring, og få adgang til indbygget funktionsoprettelse, valg af algoritmer og oprydning af hyperparametre for at udvikle meget præcise modeller.
Operationaliser i stor skala med robuste MLOps
MLOps, eller DevOps til maskinel indlæring, strømliner livscyklussen for maskinel indlæring fra udvikling af modeller til udrulning og administration. Brug ML-pipelines til at bygge gentagne arbejdsprocesser, og brug en omfattende modelregistreringsdatabase til at spore dine aktiver. Administrer produktionsarbejdsprocesser i stor skala ved hjælp af avancerede beskeder og funktioner til automatisering af maskinel indlæring. Profilér, valider og udrul modeller til maskinel indlæring overalt fra cloudmiljøet til grænseenheder for at administrere ML-arbejdsprocesser til produktion i stor skala på en måde, der er klar til brug i virksomheder.
Byg ansvarlige AI-løsninger
Få adgang til avanceret teknologi til fairness og gennemsigtighed i forbindelse med modeller til maskinel indlæring. Brug modelfortolkning til forklaringer om forudsigelser for bedre at forstå modellernes funktionsmåde. Reducer modelbias ved at anvende almindelige målinger af fairness, automatisk foretage sammenligninger og bruge anbefalede metoder til at afhjælpe problemer.
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 og scikit-learn eller det åbne og interoperative ONNX-format. Vælg de udviklingsværktøjer, der bedst opfylder dine behov, herunder populære IDE'er, Jupyter-notesbøger og CLI'er – eller sprog som f.eks. Python og R. Du kan bruge ONNX Runtime til at optimere og give fornuftsslutning på tværs af cloudmiljøer og ydre enheder et boost.
Avanceret sikkerhed, styring og kontrol
- Opret modeller til maskinel indlæring ved hjælp af Azure-understøttelse af sikkerhed, overholdelse af angivne standarder og virtuelle netværk til virksomhedsbrug.
- Beskyt dine aktiver ved hjælp af integrerede kontrolelementer til identitet, data og netværksadgang, herunder brugerdefinerede roller.
- Begræns adgang til virksomhedens netværk alene, eller anvend sikkerhedspolitikkerne i Azure.
- Administrer styring og kontrolelementer med overvågningslog, kvoter og omkostningsstyring samt en omfattende portefølje til overholdelse af angivne standarder.
Betal kun for det, du har brug for, uden forudbetaling
Du kan få flere oplysninger på siden med prisoplysninger for Azure Machine Learning.
Sådan bruger du Azure Machine Learning
Gå til din studio-weboplevelse
Opbyg og oplær
Udrul og administrer
Du kan oprette nye modeller og gemme dine databehandlingsmål, modeller, udrulninger, metrikværdier og kørselshistorik i cloudmiljøet.
Brug automatiseret maskinel indlæring, så du kan identificere algoritmer og hyperparametre samt spore eksperimenter i cloudmiljøet. Du kan også oprette modeller ved hjælp af notesbøger eller træk og slip-designeren.
Udrul din model til maskinel indlæring i cloudmiljøet eller på grænseenheden, overvåg ydeevnen, og genoplær den efter behov.
Ressourcer
Selvstudier for begyndere
Avancerede selvstudier
Udvalgte videoer
- Kom i gang med Azure Machine Learning
- Brug automatiseret maskinel indlæring til at bygge modeller
- Byg modeller uden brug af kode med Azure Machine Learning-designer
- MLOps til administration af hele livscyklussen
- Inkorporering af ONNX-kørsel i dine modeller
- Modelfortolkning og gennemsigtighed
- Udvikling af modeller med R
Kom i gang med at bruge Azure Machine Learning i dag
Få øjeblikkelig adgang og en kredit på $200 ved at tilmelde dig en gratis Azure-konto.
Log på Azure Portal.
Kunder, der bruger Azure Machine Learning
Dean Riddlesden, Senior Data Scientist, Global Analytics, Walgreens Boots Alliance"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."
Matthieu Boujonnier, Analytics Application Architect and Data Scientist, Schneider Electric"With Azure Machine Learning, we can focus our testing on the most accurate models and avoid testing a large range of less valuable models. That saves months of time."
Diana Kennedy, Vice President for IT Strategy, Architecture and Planning, BP"A key part of our transformation has been to embrace the cloud and the digital solutions and services that come with it. This includes a deep dive into AI and machine learning."
Naeem Khedarun, Principal Software Engineer (AI), ASOS"By unifying our tech stack and bringing our engineers in Big Data and online software together with data scientists, we got our development time down from months to just a few weeks."
Phil Harris, assistant professor of physics, MIT"The [Large Hadron Collider in Europe] pushes technology on many fronts...and produces data rates that are the largest in the world. We are an example of how to do analysis of large datasets."
Borrowell hjælper kunderne med at forbedre deres kreditmuligheder ved hjælp af AI
Borrowells innovative AI-teknologi benytter kreditratinger til at levere anbefalinger, der forbedrer de canadiske kunders kreditmæssige og økonomiske tilstand.
Azure Machine Learning – opdateringer, blogge og meddelelser
-
MEDDELELSE
Azure Open Datasets, der nu findes som en prøveversion, giver adgang til organiserede datasæt.
-
OPDATER
Integrer Azure Stream Analytics med Azure Machine Learning (prøveversion)
-
21 januar, 2020
MLOps—the path to building a competitive edge
-
5 november, 2019
Azure Machine Learning—ML for all skill levels
-
OPDATER
Gør arbejdsbelastninger med Machine Learning enklere med Azure Machine Learning-hændelser, som nu findes i Event Grid
-
28 oktober, 2019
Automated machine learning and MLOps with Azure Machine Learning
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 %.
-
Det tilhørende studio til Azure Machine Learning er ressourcen på øverste niveau for tjenesten til maskinel indlæring. 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.