Navigation überspringen

Azure Machine Learning-Designer

Machine Learning-Modelle visuell erstellen, testen und bereitstellen

Mehr Produktivität durch visuelles Machine Learning

Dank der Drag & Drop-Benutzeroberfläche wird die Modellerstellung und -bereitstellung für das gesamte Data Science-Team beschleunigt – für Einsteiger genau wie für Experten.

Mehr Produktivität durch visuelles Machine Learning

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

Modelle mit Drag & Drop-Modulen überprüfen und auswerten

Endpunkte für Echtzeit- oder Batchrückschlüsse mit wenigen Klicks bereitstellen und veröffentlichen

Daten mühelos verbinden und aufbereiten

Fügen Sie ein registriertes Dataset per Drag & Drop ein, stellen Sie eine Verbindung mit Datenquellen wie Azure Blob Storage, Azure Data Lake Storage oder Azure SQL her, oder laden Sie Daten aus einer lokalen Datei hoch. Mit nur einem Klick können Sie eine Vorschau für das Datenprofil anzeigen und es visualisieren. Mit den umfangreichen integrierten Modulen für Datentransformation und Feature Engineering können Sie die Daten vorverarbeiten.

Modelle ohne Programmieraufwand erstellen und trainieren

Sie können Machine Learning-Modelle mit modernsten Machine Learning- und Deep Learning-Algorithmen für Anwendungsfälle wie maschinelles Sehen, Textanalyse, Empfehlungen und Anomalieerkennung erstellen und trainieren. Nutzen Sie Drag & Drop-Module für No-Code-Modelle, oder nehmen Sie mit Python- und R-Code Anpassungen vor.

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.

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

Können wir Ihnen helfen?