Vereinheitlichen Sie Daten- und KI-Governance mit integrierter Sicherheit und Compliance. Führen Sie Computevorgänge überall für Hybrid-Machine Learning aus.
Gewinnen Sie Einblicke in Modelle, und werten Sie Sprachmodellworkflows aus. Berücksichtigen Sie Fairness, Vorurteile und Schäden mit dem integrierten Sicherheitssystem.
Nutzen Sie die wichtigsten Features für den gesamten ML-Lebenszyklus.
Datenaufbereitung
Durchlaufen Sie schnell die Datenaufbereitung in Apache Spark-Clustern innerhalb von Azure Machine Learning (interoperabel mit Microsoft Fabric).
Feature Store
Steigern Sie die Agilität beim Bereitstellen Ihrer Modelle, indem Sie Features in mehreren Arbeitsbereichen auffindbar und wiederverwendbar machen.
KI-Infrastruktur
Verwenden Sie speziell entwickelte KI-Infrastruktur, die gezielt konzipiert wurde, um die neuesten GPUs und InfiniBand-Netzwerklösungen zu kombinieren.
Automatisiertes maschinelles Lernen
Erstellen Sie schnell genaue Modelle für maschinelles Lernen für Aufgaben wie Klassifizierung, Regression, maschinelles Sehen und linguistische Datenverarbeitung.
Verantwortungsvolle KI
Erstellen Sie verantwortungsvolle KI-Lösungen mit Interpretierbarkeitsfunktionen. Bewerten Sie die Modellfairness, und vermeiden Sie Unfairness mithilfe von Abweichungsmetriken.
Modellkatalog
Mithilfe des Modellkatalogs können Sie Foundation-Modelle von Microsoft, OpenAI, Hugging Face, Meta, Cohere und anderen entdecken, optimieren und bereitstellen.
Prompt Flow
Mit Prompt Flow können Sie Sprachmodellworkflows entwerfen, erstellen, auswerten und bereitstellen.
Verwaltete Endpunkte
Operationalisieren Sie die Modellbereitstellung und -bewertung, protokollieren Sie Metriken, und führen Sie sichere Modellrollouts durch.
Funktionen
Erfahren Sie, wie Sie ML in die Produktion bringen.
Azure Machine Learning unterstützt umfangreiche, vielfältige Funktionen für eine stabile KI- und ML-Entwicklung.
Generative KI
Optimieren Sie Prompt Engineering-Projekte, und erstellen Sie sprachmodellbasierte Anwendungen.
Verwenden Sie Azure Machine Learning ohne zusätzliche Kosten. Gebühren fallen nur für die zugrunde liegenden Computeressourcen an, die während des Modelltrainings oder Rückschlusses genutzt werden. Sie haben die Flexibilität, aus einer Vielzahl von Computertypen auszuwählen, die sich über Kategorien wie allgemeine CPUs und spezialisierte GPUs erstrecken.
Kunden schaffen mit Azure Machine Learning Innovationen.
„Es war sehr wertvoll für uns, mit Microsoft bei der Verbesserung und Erweiterung von Pi zusammenzuarbeiten, da die Zuverlässigkeit und Skalierbarkeit der Azure KI Infrastruktur zu den besten der Welt gehören.“
Mustafa Suleyman, Mitgründer und Chief Executive Officer, Inflection AI
„Unsere Teams testen in der Regel [Daten], erhalten Ergebnisse und verwenden sie dann, um Modelle und Algorithmen zu entwickeln, die wir dann in Softwareprodukte integrieren. Diese Plattform vereinfacht, beschleunigt und optimiert den gesamten Prozess.“
„Marks & Spencer hat mehr als 30 Millionen Kunden und großen Datenmengen, die Systeme erfordern, die für die Verarbeitung skaliert werden können. Azure Machine Learning ermöglicht es uns, Lösungen für maschinelles Lernen zu erstellen, die skalierbar sind und Kunden die richtigen Angebote und insgesamt einen besseren Service bieten.“
Luis Arnedo Martinez, Machine Learning Platform Product Manager, Marks & Spencer
„Microsoft Azure ergänzt unser digitales Ökosystem perfekt, um die bestmöglichen Fanerfahrungen für die weltweit beste Sportliga zu bieten.“
Miguel Ángel Leal, Chief Technology and Innovation Officer, LALIGA
„Mit Azure Machine Learning können wir ein Modell mit mehreren verteilten Datasets trainieren. Anstatt die Daten an einen zentralen Punkt zu bringen, machen wir das Gegenteil. Wir senden das Modell für das Training an die lokalen Computeressourcen und Datasets der Teilnehmer am Edge und fügen die Trainingsergebnisse in ein Basismodell ein.“
Johan Bryssinck, AI/ML Product and Program Management Lead, Swift
Weitere Informationen zum wissenschaftlicher Ansatz zum Trainieren von Maschinen mit dem Ziel, ihnen das Analysieren und Nutzen von Daten auf dieselbe Weise zu ermöglichen, wie es der Mensch tut.
In der SLA für Azure Machine Learning wird eine Uptime von 99,9 % zugesichert.
Azure Machine Learning Studio ist die wichtigste Ressource für Azure Machine Learning. Dieses Portal ist eine zentrale Anlaufstelle für Data Scientists und Entwickler, über die alle Artefakte zum Erstellen, Trainieren und Bereitstellen von Machine Learning-Modellen genutzt werden können.
Azure Machine Learning ist eine umfassende Plattform für maschinelles Lernen, die die Feinabstimmung und Bereitstellung von Sprachmodellen unterstützt. Mithilfe des Azure Machine Learning-Modellkatalogs können Benutzer einen Endpunkt für Azure OpenAI Service erstellen und REST-APIs verwenden, um Modelle in Anwendungen zu integrieren.
Für die Verwendung von Azure Machine Learning fallen keine zusätzlichen Gebühren an. Allerdings fallen neben Computegebühren separate Gebühren für andere genutzte Azure-Dienste an, unter anderem für Azure Blob Storage, Azure Key Vault, Azure Container Registry und Azure Application Insights. Zeigen Sie die Preisdetails an.
Nächste Schritte
Auswählen des für Sie passenden Azure-Kontos
Im Voraus bezahlen, oder testen Sie Azure bis zu 30 Tage ohne Kosten.
Durchsuchen Sie den Microsoft-Hub für Unternehmenslösungen, um die Produkte und Lösungen zu finden, die Ihrer Organisation helfen können, ihre Ziele zu erreichen.