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 Machine Learning.
Machine Learning til alle former for færdigheder
Produktivitet til alle færdighedsniveauer med fokus på kodning og træk og slip-designer samt automatiseret maskinel indlæring.
Komplet MLOps
Robuste MLOps-egenskaber, der kan integreres med eksisterende DevOps-processer og hjælpe med at administrere hele ML-livscyklussen.
Moderne, ansvarlig Machine Learning
Egenskaber for ansvarlig Machine Learning – forstå modeller med fortolkningsmulighed og retfærdighed, beskyt data med differentieret beskyttelse af personlige oplysninger og fortrolig databehandling, og styr Machine Learning-livscyklussen med overvågningsprøver og dataark.
Åben og interoperativ
Den bedste understøttelse af frameworks med åben kildekode og sprog, herunder MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python og R.
Boost 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 designeren, der ikke kræver kodning, for at komme i gang med visuel maskinel indlæring eller indbyggede Jupyter-notesbøger til samarbejde for at få en oplevelse med fokus på kodning. Sæt fart på modeloprettelsen med 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 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.
Skab ansvarlige Machine Learning-løsninger
Få adgang til avancerede egenskaber til ansvarlig Machine Learning, så du kan forstå, beskytte og kontrollere dine data, modeller og processer. Forklar modellens funktionsmåde under oplæring 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 Machine Learning-ressourcer. 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 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 og styring
- Få sikkerhed fra bunden, og skab på baggrund af den pålidelige cloud med Azure.
- Beskyt adgangen til dine ressourcer med detaljeret rollebaseret adgang, brugerdefinerede roller og indbyggede mekanismer til identitetsgodkendelse.
- Skab, oplær og udrul modeller på en sikker måde ved at isolere dit netværk med virtuelle netværk og personlige 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
Notesbøger til samarbejde
Maksimer produktiviteten med Intellisense, nem beregning og skift af kerner samt offlineredigering af notesbog.
Automatisk Machine Learning
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 designer sammen med moduler til datatransformation, oplæring og evaluering af modeller eller for at oprette og udgive pipelines for maskinel indlæring med nogle få klik.
Forsyning af data med mærkater
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 oplæring og eksperimenter.
Automatisk skalering af beregning
Brug administreret beregning til at distribuere oplæring, og test, valider og udrul hurtigt modeller. CPU- og GPU-klynger kan deles på tværs af et arbejdsområde og automatisk skaleres for at imødekomme dine behov for maskinel indlæring.
RStudio-integration
Indbygget support af R og integration af RStudio Server (version med åben kildekode) for at oprette og udrulle modeller samt overvåge kørsler.
Dyb integration med andre Azure-tjenester
Sæt fart på produktiviteten med indbygget integration med Azure-tjenester, f.eks. Azure Synapse Analytics, Cognitive Search, Power BI, Azure Data Factory, Azure Data Lake og Azure Databricks.
Styrket læring
Skaler forstærket indlæring for effektive beregningsklynger, understøt scenarier med flere agenter, og få adgang til RL-algoritmer, -strukturer og -miljøer med åben kildekode.
Ansvarlig Machine Learning
Få modelgennemsigtighed ved træning og fornuftslutning med funktionalitet til fortolkning. Vurder retfærdigheden af modellen gennem forskelle i metrikværdier, og afhjælp uretfærdigheden. Beskyt data med differentieret beskyttelse af personlige oplysninger.
Professionel sikkerhed
Opret og udrul modeller med funktionalitet såsom netværksisolation og Private Link, rollebaseret adgangskontrol til ressourcer og handlinger, brugerdefinerede roller og administreret identitet til beregningsressourcer.
Omkostningsstyring
Administrer ressourceallokering til beregning af Azure Machine Learning bedre med kvotegrænser for arbejdsområde- og ressourceniveau.
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 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
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."
Scandinavian Airlines
Ved hjælp af Azure Machine Learning kan SAS identificere svindel nøjagtigt med dygtighed, der ikke var mulig med manuelle metoder. I forbindelse med registrering af flyrejser i forhold til EuroBonus-mil med tilbagevirkende kraft – hvilket er en almindelig kilde til svindel – forudsiger det nye system nu svindel med 99 % nøjagtighed.
Sze-Wan Ng: Director of Analytics & Development, Translink"With MLOps capabilities in Azure Machine Learning, we've improved bus departure predictions by 74 percent, and riders spend 50 percent less time waiting."
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."
Xiaodong Wang: Chief Executive Officer, TalentCloud"The automated machine learning capabilities in Azure Machine Learning save our data scientists from doing a lot of time-consuming work, which reduces our time to build models from several weeks to a few hours."
Azure Machine Learning – opdateringer, blogge og meddelelser
-
MEDDELELSE
Azure Open Datasets, der nu findes som en prøveversion, giver adgang til organiserede datasæt.
-
OPDATER
Azure Machine Learning offers added capabilities at lower cost
-
OPDATER
Azure Machine Learning updates Ignite 2020
-
OPDATER
Azure Machine Learning announces output dataset (Preview)
-
OPDATER
Weboplevelsen af Azure Machine Learning Studio er generelt tilgængelig
-
21 maj, 2020
Meeting the challenges of today and tomorrow with Azure AI
-
OPDATER
Ny innovation til ansvarlig maskinel indlæring i Azure Machine Learning
-
OPDATER
Azure Machine Learning – nyheder fra Build 2020
-
19 maj, 2020
Build AI you can trust with responsible ML
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.