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
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
Opret nye modeller, og gem dine databehandlingsmål, modeller, udrulninger, målepunktsværdier og kørselshistorik i cloudmiljøet.
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.
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
Flere ressourcer
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.
Explore the documentation and tutorials, and browse quickstarts and developer resources.
Kunder, der bruger Azure Machine Learning
Jolie Vitale, Director of BI and Analytics, Carhartt"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."
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."
Joey Chua, Senior Manager Machine Learning Engineering, AGL"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."
Daniel Engberg, Head of Data Analytics and Artificial Intelligence, Scandinavian Airlines"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."
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."
Alex Mohelsky, Partner and Advisory Data, Analytic and AI Leader, EY Canada"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."
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.