Meddelelser om Azure Machine Learning i offentlig prøveversion – august 2021

Beregning på tværs af placeringer gør det muligt for brugerne at oprette klynger på andre placeringer end arbejdsområdet. Med beregning på tværs af placeringer kan brugerne maksimere allokering af inaktiv kapacitet og pladseffektivitet samt gøre brug af VM-SKU'er, der kun er tilgængelige i et bestemt område, og sørge for at oprette to arbejdsområder på to forskellige placeringer bare for at sikre, at de bruger deres kvote.   

Hierarkiske tidsserier fjerner behovet for, at du manuelt opretter individuelle modeller for at udarbejde prognoser for dine hierarkidata, og de sigter mod generering af hierarkibevidste og ensartede prognoser på alle niveauer i hierarkiet. 

Med en automatisk lukning og start af beregningsinstanser får brugerne en strømlinet og automatiseret måde at styre og optimere driftsomkostningerne på, hvilket forbedrer den generelle styring af Azure Machine Learning-arbejdsområdet.

Få mere at vide om, hvordan du opretter beregningsklynger.

Se HTS-løsningsaccelerator.

Få mere at vide om automatisk lukning/automatisk start.