Navigation überspringen

Azure Machine Learning-Dienst

Erstellen, Trainieren und Bereitstellen von Modellen – von der Cloud bis zum Edge

Ankündigung

  • TAL
  • Asos
  • Elastacloud
  • Wipro
  • Cognizant

Übersicht

Vereinfachen und beschleunigen Sie das Erstellen, Trainieren und Bereitstellen Ihrer Machine Learning-Modelle. Ermitteln Sie durch automatisiertes maschinelles Lernen geeignete Algorithmen, und optimieren Sie Hyperparameter noch schneller. Erhöhen Sie die Produktivität, und senken Sie die Kosten dank der automatischen Skalierung von Computeressourcen und DevOps für maschinelles Lernen. Führen Sie mit einem Klick nahtlose Bereitstellungen in der Cloud und am Edge durch. All diese Funktionen stehen Ihnen über Ihre bevorzugte Python-Umgebung mit den aktuellen Open Source-Frameworks zur Verfügung, z.B. PyTorch, TensorFlow und sciKit-learn.

Was sind die Vorteile des Azure Machine Learning-Diensts?

Produktiv

Schnelles Erstellen und Trainieren von Modellen mit automatisiertem maschinellen Lernen, der automatischen Skalierung von Computeressourcen und integriertem DevOps.

Offen

Azure Machine Learning können Sie in jeder Python-Umgebung und mit Ihren bevorzugten Frameworks und Tools verwenden.

Vertrauenswürdig

Verbesserung der Unternehmensflexibilität durch Azure-Dienste, Konformitätsfeatures und die Unterstützung für virtuelle Netzwerke.

Hybrid

Erstellen, Trainieren und Bereitstellen von Modellen: lokal, in der Cloud und am Edge.

Funktionen von Azure Machine Learning

Automatisiertes maschinelles Lernen

Schnelleres Bestimmen geeigneter Algorithmen und Hyperparameter.

Verwaltete Computeressourcen

Trainieren Sie Modelle ganz einfach, und reduzieren Sie die Kosten – durch die automatische Skalierung leistungsfähiger GPU-Cluster.

DevOps für maschinelles Lernen

Erhöhen Sie die Produktivität durch die Nachverfolgung von Experimenten, die Modellverwaltung und -überwachung, integrierte CI/CD und Pipelines für das maschinelle Lernen.

Einfache Bereitstellung

Stellen Sie Modelle mit einigen wenigen Codezeilen lokal, in der Cloud und am Edge bereit.

Toolunabhängiges Python SDK

Azure Machine Learning kann in jede Python-Umgebung integriert werden, z.B. Visual Studio Code, Jupyter Notebook und PyCharm.

Unterstützung für Open Source-Frameworks

Verwenden Sie Ihre bevorzugten Frameworks und Tools für das maschinelle Lernen, z.B. PyTorch, TensorFlow und sciKit-learn.

So verwenden Sie den Azure Machine Learning-Dienst

Schritt 1 von 3

Schritt 1: Arbeitsbereich erstellen

Installieren Sie das SDK in Ihrer bevorzugten Python-Umgebung, und erstellen Sie Ihren Arbeitsbereich, um Computeressourcen, Modelle, Bereitstellungen und den Ausführungsverlauf in der Cloud zu speichern.

Schritt 2 von 3

Schritt 2: Erstellen und Trainieren

Verwenden Sie Ihre bevorzugten Frameworks und automatisierte Funktionen für maschinelles Lernen, um geeignete Algorithmen und Hyperparameter schneller ermitteln zu können. Verfolgen Sie Ihre Experimente, und nutzen Sie mühelos leistungsstarke GPUs in der Cloud.

Schritt 3 von 3

Schritt 3: Bereitstellen und verwalten

Führen Sie die Modellbereitstellung in der Cloud oder am Edge aus, und nutzen Sie hardwarebeschleunigte Modelle auf FPGAs (Field Programmable Gate Arrays) für extrem schnelle Rückschlüsse. Wenn Ihr Modell für die Produktion bereitgestellt wurde, überwachen Sie die Leistung und Datenabweichung, und trainieren Sie das Modell bei Bedarf erneut.

Verwandte Produkte und Dienste

Azure Databricks

Schnelle, einfache und kollaborative Analyseplattform auf Basis von Apache Spark

Machine Learning Studio

Einfach Predictive Analytics-Lösungen erstellen, bereitstellen und verwalten

SQL Data Warehouse

Elastische Data Warehouse-as-a-Service-Lösung mit Funktionalität auf Unternehmensniveau

Virtuelle Data Science-Computer

Profitieren Sie von einer umfangreichen, vorkonfigurierten Umgebung für die Entwicklung von KI-Anwendungen.

Treffen Sie mithilfe des Azure Machine Learning-Diensts bessere Entscheidungen