Maskinel indlæring til dataloger
Udforsk værktøjer til maskinel indlæring til dataloger og teknikere inden for maskinel indlæring, og få mere at vide om, hvordan du opretter løsninger til maskinel indlæring i cloudskala i Azure.
Udforsk maskinel indlæring i Azure
Opret og udrul modeller til maskinel indlæring til missionskritiske processer på en ansvarlig måde og på dine vilkår med Azure-værktøjer og -tjenester.
Udvikl modeller til maskinel indlæring på dine vilkår
Opret modeller til maskinel indlæring på dit foretrukne udviklingssprog, i dit foretrukne miljø og med dine foretrukne strukturer til maskinel indlæring ved hjælp af værktøjer efter eget valg, og udrul dine modeller i cloudmiljøet, i det lokale miljø eller på grænseenheder med Azure AI.
Opret løsninger til maskinel indlæring på en ansvarlig måde
Forstå dine modeller til maskinel indlæring, beskyt data med differentieret beskyttelse af personlige oplysninger og fortrolig databehandling, og styr livscyklussen for maskinel indlæring med overvågningsprøver og dataark.
Udrul trygt modeller til maskinel indlæring til forretningskritiske processer
Udrul og administrer yderst skalerbare, fejltolerante og reproducerbare løsninger til maskinel indlæring.
Udforsk maskinel indlæring gennem videoer
Udforsk, hvordan du bruger løsninger til maskinel indlæring til at understøtte missionskritiske programmer.
Oplæring af modeller til maskinel indlæring i stor skala
Forstå, hvordan du udnytter den rigtige beregning på Azure til at skalere dine oplæringsjob.
Modeludrulning og -fornuftslutning
Få mere at vide om de forskellige udrulningsmuligheder og optimeringer af modelfornuftslutning.
En forklaring af, hvad MLOps er
Få mere at vide om vigtigheden af MLOps og de processer, der er knyttet til dem.
Sikring af dine miljøer til maskinel indlæring
Se, hvordan du bruger Azure til at få adgang til sikkerhed og styring i virksomhedsklassen.
Maskinel indlæring i hybride og multicloudbaserede miljøer
Se, hvordan du klargør hybride og multicloudbaserede miljøer, der skal bruges til maskinel indlæring.
Åben og kompatibel maskinel indlæring
Se, hvordan Azure Machine Learning fungerer sammen teknologier med åben kildekode og kan integreres med andre Azure-tjenester.
Se, hvordan du kan bruge Azure Machine Learning-produkter og -tjenester til at bygge modeller til maskinel indlæring på dine vilkår.
Grundlæggende viden om maskinel indlæring i cloudmiljøet
Få en introduktion til maskinel indlæring, og udforsk de vigtigste faser i livscyklussen for maskinel indlæring.
Værktøjer til maskinel indlæring i Azure
Udforsk værktøjer til maskinel indlæring til dataeksperter, og se, hvordan de fungerer på Azure.
Grundlæggende viden om detaljeret læring med PyTorch
Se, hvordan du bruger PyTorch til at løse et enkelt problem med billedklassificering.
Kør maskinel indlæring hvor som helst
Kør maskinel indlæring i det lokale miljø eller i multicloudmiljøer ved hjælp af eksisterende Kubernetes-infrastruktur.
Få grundlæggende viden om PyTorch
Se et selvstudium med PyTorch Developer Advocate Suraj Subramanian.
Byg ansvarlig kunstig intelligens ved hjælp af Error Analysis Toolkit
Se, hvordan du identificerer modelfejl og diagnosticerer rodårsagerne.
Kodning af lyd ved hjælp af detaljeret læring
Få mere at vide om, hvordan du bruger lyde, konverterer dem til billeder og bygger en klassificeringsmodel, der koder dem efter stemning.
Reproducerbar datavidenskab med maskinel indlæring
Få mere at vide om, hvordan du organiserer en reproducerbar arbejdsproces.
MLOps med Azure Machine Learning
Fremskynd processen med at udvikle, oplære og udrulle modeller til maskinel indlæring.
Machine Learning-løsninger med virksomhedssikkerhed og -skalering
Få mere at vide om, hvordan du kan bygge sikre, skalerbare og billige løsninger til maskinel indlæring med Azure Machine Learning.
Kunstig intelligens på en ansvarlig måde med Azure Machine Learning
Udforsk værktøjer og metoder til at hjælpe dig med at forstå, beskytte og styre dine modeller til maskinel indlæring.
Få mere at vide via eksempler på løsningsarkitekturer
Udforsk forskellige scenarier for brug af Azure Machine Learning.
Maskinel indlæring
Styr oplæringsprocessen for modellen med justerbare parametre, der kaldes hyperparametre. Udforsk de anbefalede fremgangsmåder for justering af hyperparametrene for Python-modeller, og se, hvordan du automatiserer indstilling af hyperparametre og kører eksperimenter parallelt for at optimere hyperparametrene.
Detaljeret læring
Se, hvordan du udfører distribueret oplæring af modeller til detaljeret maskinel indlæring på tværs af klynger med GPU-aktiverede virtuelle maskiner. Dette scenarie er til billedklassificering, men løsningen kan også bruges til andre detaljerede læringsscenarier, f.eks. segmentering eller objektregistrering.
MLOps
Få mere at vide om, hvordan du implementerer løbende integration, løbende levering (CI/CD) og en omskolingspipeline for et AI-program ved hjælp af Azure DevOps og Azure Machine Learning. Løsningen er baseret på scikit-learn-diabetes-datasættet, men kan nemt tilpasses ethvert AI-scenarie og andre populære udviklingssystemer.
Edge-udrulning
Se, hvordan du bruger Azure Stack Edge til at udvide hurtig fornuftslutning af maskinel indlæring fra cloudmiljøet til scenarier i det lokale miljø eller scenarier på grænseenheder. Brug Azure Stack Edge til at drage fordel af Azure-funktioner som beregning, lagring, netværk og hardwareaccelereret maskinel indlæring til grænseenheder.
Pointtildeling
Få mere at vide om, hvordan du bruger Azure Machine Learning til at anvende neural stiloverførsel, som er en teknik til detaljeret læring, der sætter et eksisterende billede i stil med et andet billede sammen til en video.
Pointtildeling i realtid
Udforsk, hvordan du udruller Python-modeller som webtjenester for at foretage forudsigelser i realtid ved hjælp af AKS (Azure Kubernetes Service). Modeller til maskinel indlæring, der udrulles på AKS, er velegnede til skalerbare produktionsudrulninger.
Opdateringer, blogge og meddelelser om kunstig intelligens
10. MARTS 2021
30. SEPTEMBER 2020