Azure Machine Learning-Designer
Machine Learning-Modelle visuell erstellen, testen und bereitstellen
Mehr Produktivität durch visuelles Machine Learning
Drag & Drop-Schnittstelle zum Beschleunigen der Modellerstellung und -bereitstellung für das gesamte Data Science-Team, von Anfängern bis hin zu Experten.
Verbindung mit beliebigen Datenquellen herstellen, Daten mit verschiedensten integrierten Modulen aufbereiten und vorverarbeiten
Modelle mit den neuesten Machine Learning- und Deep Learning-Algorithmen visuell erstellen und trainieren
Verwenden von Drag & Drop-Modulen zum Validieren und Auswerten von Modellen
Endpunkte für Echtzeit- oder Batchrückschlüsse mit wenigen Klicks bereitstellen und veröffentlichen
Daten mühelos verbinden und aufbereiten
Ziehen Sie ein registriertes Dataset per Drag & Drop, stellen Sie eine Verbindung mit verschiedenen Datenquellen her, einschließlich Azure Blob Storage, Azure Data Lake Storage, Azure SQL, oder laden Sie Daten aus einer lokalen Datei hoch. Zeigen Sie mit nur einem Klick eine Vorschau des Datenprofils an, und visualisieren Sie dieses. Verarbeiten Sie Daten mithilfe eines umfangreichen Satzes integrierter Module für die Datentransformation und das Feature Engineering vor.
Modelle ohne Programmieraufwand erstellen und trainieren
Erstellen und trainieren Sie Machine Learning-Modelle mit modernsten Machine Learning- und Deep Learning-Algorithmen, einschließlich Algorithmen für maschinelles Sehen, Textanalyse, Empfehlungen und Anomalieerkennung. Ziehen Sie Module für Modelle ohne Code per Drag & Drop, oder passen Sie diese mit Python- und R-Code an.
Modellleistung überprüfen und auswerten
Führen Sie Machine Learning-Pipelines interaktiv aus. Sie können die Genauigkeit von Modellen und Datasets mit einer Kreuzvalidierung bewerten. Es stehen auch Datenvisualisierungen zur Verfügung, um Modelle mit nur wenigen Klicks auszuwerten. Mithilfe von Diagrammen, Vorschauprotokollen und Ausgaben für Debugging und Problembehandlung können Sie eine schnelle Grundursachenanalyse vornehmen.
Mit wenigen Klicks Modelle bereitstellen und Endpunkte veröffentlichen
Stellen Sie Modelle mit nur wenigen Klicks als REST-Endpunkte in Ihrer Umgebung bereit, um Rückschlüsse in Echtzeit und in Batches zu ermöglichen. Die Bewertungsdatei und das Bereitstellungsimage werden automatisch generiert. Die Modelle und andere Ressourcen werden in der zentralen Registrierung für die MLOps-Nachverfolgung und -Herkunft gespeichert.
Ressourcen und Dokumentation zum Azure Machine Learning-Designer
Erste Schritte mit dem Azure Machine Learning-Designer
Werden Sie mit Azure zum Experten für Machine Learning
Arbeiten Sie sich mit diesem 30-tägigen Lernpfad weiter in das Thema Machine Learning in Azure ein, und wenden Sie Ihr Wissen in praxisorientierten Tutorials an. Am Ende dieses Kurses sind Sie auf die Zertifizierung als Azure Data Scientist Associate vorbereitet.