Azure Machine Learning-Dienst

Beschleunigen Sie die Erstellung von Modellen, und bringen Sie sie in jeder Größenordnung von der Cloud bis zum Edge zum Einsatz.

Beschleunigter vollständiger Lebenszyklus mit maschinellem Lernen

Rationalisieren Sie das Erstellen, Trainieren und Bereitstellen von Machine Learning-Modellen. Bringen Sie Ihre Machine Learning-Modelle mit den Tools und Frameworks Ihrer Wahl schneller auf den Markt, steigern Sie die Produktivität mit automatischem maschinellem Lernen, und treiben Sie die Innovation auf einer sicheren Plattform auf Unternehmensniveau voran.

Highlights from Microsoft Build

See all Azure Machine Learning Service sessions from the conference on demand.

Watch now

Vereinfachtes maschinelles Lernen mit leistungsstarken Funktionen für automatisiertes maschinelles Lernen ohne Code und mit Open-Source-Unterstützung

Stabiles DevOps für maschinelles Lernen, das in Ihre bestehenden DevOps-Verfahren integriert wird und zur Verwaltung des gesamten Lebenszyklus des maschinellen Lernens beiträgt

Skalierung nach Bedarf vom Desktop aus und Erstellung und Bereitstellung von Machine Learning-Modellen an jedem Ort von der Cloud bis zum Edge

Azure-Sicherheit, Steuerung und Governance auf Unternehmensniveau – zum Schutz Ihrer Infrastruktur und Ihrer Funktionen

Vereinfachtes maschinelles Lernen nutzen

Nutzen Sie Tools, die bei jeder Qualifikation (keine oder geringe Programmiererfahrung) Ihre Anforderungen erfüllen, zum schnellen Erstellen und Bereitstellen von Machine Learning-Modellen. Verwenden Sie eine visuelle Oberfläche mit Drag & Drop, eine gehostete Notebookumgebung oder automatisiertes maschinelles Lernen. Beschleunigen Sie die Modellentwicklung mit automatisierter Featureerstellung, Algorithmusauswahl und Hyperparameter-Sweeping. Nutzen Sie den integrierten Support für vertraute Open-Source-Tools und -Frameworks, einschließlich ONNX, Python, PyTorch, scikit-learn und TensorFlow.

Schnellere Innovation mit stabilem MLOps

MLOps – DevOps für maschinelles Lernen – rationalisiert den End-to-End-Lebenszyklus von der Datenvorbereitung bis hin zu Bereitstellung und Überwachung. Vereinfachen Sie Ihre Workflows, und steigern Sie die Effizienz mit Pipelines für maschinelles Lernen. Nutzen Sie Continuous Integration und Continuous Delivery (CI/CD) für einfachen Support und einfache Wartung, und verbessern Sie nach und nach die Qualität Ihrer Modelle. Verwalten Sie Ihre Modellartefakte über ein zentrales Portal, und überwachen Sie die Leistung bereitgestellter Modelle.

Zugriff vom Desktop auf die Cloud nach Bedarf

Nutzen Sie beliebige Daten, und stellen Sie Machine Learning-Modelle an jedem Ort bereit – von der Cloud bis zum Edge – für maximale Flexibilität. Trainieren Sie Modelle schnell und kosteneffektiv, indem Sie mithilfe von leistungsstarken CPU- und GPU-Computeressourcen automatisch skalieren. Ziehen Sie in Echtzeit in der Cloud oder am Edge Rückschlüsse mithilfe von FPGAs.

Infrastruktur und Lösungen schützen

Erstellen Sie Ihre Machine Learning-Modelle mit der Unterstützung von Sicherheit, Compliance und virtuellen Netzwerken auf Unternehmensniveau durch Azure für alle Ihre Data Science-Anforderungen. Schützen Sie Ihre Workloads mit integrierten Kontrollen für Identitäten, Daten und Netzwerke im gesamten Azure-Umfeld, wo Sie das umfangreichste Complianceportfolio aller Cloudanbieter erhalten.

Bezahlen Sie nutzungsbasiert – ohne Vorabkosten

Bezahlen Sie nur für die Azure-Ressourcen, die Sie zum Trainieren Ihrer Modelle nutzen. Weitere Informationen, einschließlich der Kosten für die Bereitstellung von Modellen, finden Sie auf der Preisseite für Azure Machine Learning Service.

So verwenden Sie den Azure Machine Learning-Dienst

Erstellen eines Arbeitsbereichs

Erstellen und Trainieren

Bereitstellen und Verwalten

Schritt 1 von 1

Speichern Sie Ihre Computeziele, Modelle, Bereitstellungen, Metriken und Ausführungsverläufe in der Cloud.

Schritt 1 von 1

Ermitteln Sie durch automatisiertes maschinelles Lernen Algorithmen und Hyperparameter, und verfolgen Sie Experimente in der Cloud nach.

Schritt 1 von 1

Stellen Sie Ihr Machine Learning-Modell in der Cloud oder am Edge bereit, überwachen Sie die Leistung, und trainieren Sie nach Bedarf erneut.

Fünfminütige Schnellstarts

Nachdem Sie einen Arbeitsbereich für Azure Machine Learning Service erstellt haben, erfahren Sie, wie Sie ein Experiment in der Cloud oder auf einem lokalen Notebookserver ausführen oder ein Experiment über die visuelle Oberfläche erstellen.

Tutorials und Beispiele

Trainieren Sie Machine Learning-Modelle auf Remotecomputeressourcen, und stellen Sie sie dort bereit. Verwenden Sie das SDK für Bildklassifizierung (MNIST-Daten) oder Regression (Taxidaten aus New York) oder die visuelle Oberfläche zum Vorhersagen von Preisen (Automobildaten).

Noch heute mit Azure Machine Learning Service beginnen

Wenn Sie sich für ein kostenloses Azure-Konto registrieren, erhalten Sie sofortigen Zugriff und ein Guthaben von $200.

Melden Sie sich beim Azure-Portal an.

Kunden mit Azure Machine Learning Service

  • BP
  • Walgreens Boots Alliance
  • Schneider Electric
  • TAL
  • Asos
  • Wipro

Updates, Blogbeiträge und Ankündigungen zu Azure

Häufig gestellte Fragen zu Azure Machine Learning Service

  • Der Dienst ist in mehreren Ländern/Regionen allgemein verfügbar – weitere werden in Kürze folgen.
  • Die Vereinbarung zum Servicelevel (SLA) für Azure Machine Learning Service beträgt 99,9 %.
  • Der Azure Machine Learning Service-Arbeitsbereich ist die Ressource der obersten Ebene für den Dienst. Er stellt den zentralen Ort für die Arbeit mit allen erstellten Artefakten dar.

Sind Sie bereit? Dann richten Sie Ihr kostenloses Azure-Konto ein.