Saltar al contenido principal

Azure Machine Learning

Use un servicio de nivel empresarial para el ciclo de vida de aprendizaje automático de un extremo a otro.

Modelos de aprendizaje automático críticos para la empresa a gran escala

Azure Machine Learning permite a los científicos de datos y desarrolladores crear, implementar y administrar modelos de alta calidad con más rapidez y confianza. Acelera el tiempo de valor con las principales operaciones de aprendizaje automático (MLOps), la interoperabilidad de código abierto y las herramientas integradas. Esta plataforma de confianza está diseñada para aplicaciones de inteligencia artificial responsable en el aprendizaje automático.

Video container

Desarrollo y entrenamiento rápidos de modelos, con herramientas integradas y compatibilidad con bibliotecas y marcos de código abierto

Desarrollo de modelos de inteligencia artificial responsable con equidad y explicación integrados, y un uso responsable para el cumplimiento

Implementación, administración y uso compartido rápidos de modelos de ML para la colaboración entre áreas de trabajo y MLOps

Gobernanza, seguridad y cumplimiento integrados para ejecutar cargas de trabajo de aprendizaje automático en cualquier lugar

Etiquetado de datos

Etiquete los datos de entrenamiento y administre proyectos de etiquetado.

Preparación de los datos

Se usa con motores de análisis para la exploración y preparación de datos.

Conjuntos de datos

Acceda a los datos y cree y comparta conjuntos de datos.

Notebooks

Use Jupyter Notebook colaborativos con proceso asociado.

Aprendizaje automático

Entrene y ajuste automáticamente modelos precisos.

Diseñador de arrastrar y colocar

Diseñe con una interfaz de desarrollo de tipo arrastrar y colocar.

Experimentos

Ejecute experimentos y cree y comparta paneles personalizados.

CLI y Python SDK

Acelere el proceso de entrenamiento del modelo mientras escala vertical y horizontalmente el proceso de Azure.

Visual Studio Code y GitHub

Use herramientas conocidas y cambie fácilmente del aprendizaje local a la nube.

Instancia de proceso

Desarrolle en un entorno administrado y seguro con CPU en la nube, GPU y clústeres de superequipo.

Marcos y bibliotecas de código abierto

Obtenga compatibilidad integrada para Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib y mucho más.

Puntos de conexión administrados

Implemente modelos para la inferencia por lotes y en tiempo real de forma rápida y sencilla.

Canalizaciones y CI/CD

Automatice los flujos de trabajo de aprendizaje automático.

Imágenes precompiladas

Acceda a imágenes de contenedor con marcos y bibliotecas para la inferencia.

Repositorio de modelos

Comparta y realice un seguimiento de los modelos y datos.

Entornos híbridos y multinube

Entrene e implemente modelos en el entorno local y en entornos multinube.

Optimizar modelos

Acelere el entrenamiento y la inferencia, y reduzca los costos con ONNX Runtime.

Supervisión y análisis

Realice un seguimiento, registre y analice datos, modelos y recursos.

Desfase de datos

Detecte el desfase y mantenga la precisión del modelo.

Análisis de errores

Depure modelos y optimice la precisión del modelo.

Auditoría

Seguimiento de artefactos de aprendizaje automático para el cumplimiento.

Directivas

Use directivas integradas y personalizadas para la administración de cumplimiento.

Seguridad

Disfrute de la supervisión continua con Azure Security Center.

Control de costos

Aplique la administración de cuotas y el apagado automático.

Volver a las pestañas

Acelere el tiempo de valor con el desarrollo rápido de modelos

Mejore la productividad con la funcionalidad de Studio, una experiencia de desarrollo que admite todas las tareas de aprendizaje automático, para crear, entrenar e implementar modelos. Colabore Jupyter Notebook con compatibilidad integrada con bibliotecas y marcos de código abierto populares. Cree modelos precisos rápidamente con el aprendizaje automático automatizado para modelos tabulares, de texto y de imagen mediante la ingeniería de características y el barrido de hiperparámetros. Use Visual Studio Code para pasar del entrenamiento local a la nube sin problemas y escalar automáticamente con potentes clústeres de CPU y GPU basados en la nube.
Una canalización con MLOps

Ponga en práctica los modelos a gran escala con MLOps

Optimice la implementación y administración de miles de modelos en varios entornos con MLOps. Implemente y puntúe modelos más rápido con puntos de conexión totalmente administrados para predicciones por lotes y en tiempo real. Use canalizaciones repetibles para automatizar los flujos de trabajo para la integración continua y la entrega continua (CI/CD). Comparta y detecte artefactos de aprendizaje automático en varios equipos para la colaboración entre áreas de trabajo mediante registros. Supervise continuamente las métricas de rendimiento del modelo, detecte el desfase de datos y desencadene el reentrenamiento para mejorar el rendimiento del modelo.

Ofrezca soluciones con un aprendizaje automático responsable

Evalúe modelos de aprendizaje automático con flujos de trabajo reproducibles y automatizados para evaluar la equidad de modelos, la explicación, el análisis de errores, el análisis causal, el rendimiento de modelos y el análisis de datos exploratorios. Realice intervenciones reales con análisis causales en el panel de inteligencia artificial responsable y genere un cuadro de mandos en el momento de la implementación. Contextualice las métricas de inteligencia artificial responsables para públicos técnicos y no técnicos para implicar a las partes interesadas y simplificar la revisión del cumplimiento.
Gráfico que detalla la importancia de las características agregadas para un conjunto de datos en Azure Machine Learning
Una lista de definiciones de directivas

Innove en una plataforma híbrida que sea más segura y compatible

Aumente la seguridad en todo el ciclo de vida del aprendizaje automático con funciones integrales que abarcan la identidad, los datos, las redes, la supervisión y el cumplimiento. Proteja las soluciones mediante el control de acceso basado en roles personalizado, las redes virtuales, el cifrado de datos, los puntos de conexión privados y las direcciones IP privadas. Entrene e implemente modelos en el entorno local para cumplir los requisitos de soberanía de datos. Gobierne con directivas integradas y optimice el cumplimiento con 60 certificaciones, incluidas FedRAMP High e HIPAA.

Desarrolle sus conocimientos del aprendizaje automático con Azure

Obtenga más información sobre el aprendizaje automático en Azure y participe en tutoriales prácticos en un recorrido de aprendizaje de 30 días. Cuando acabe, estará preparado para la certificación Azure Data Scientist Associate.
Una persona trabajando con un portátil en una sala de conferencias

Funcionalidades de servicio clave para el ciclo de vida completo del aprendizaje automático

  • Etiquetado de datos

    Cree, administre y supervise los proyectos de etiquetado y automatice las tareas iterativas con el etiquetado asistido por aprendizaje automático.

  • Preparación de los datos

    Itere rápidamente en la preparación de datos a gran escala en clústeres de Apache Spark dentro de Azure Machine Learning, interoperable con Azure Synapse Analytics.

  • Cuadernos de colaboración

    Maximice la productividad con IntelliSense, el intercambio sencillo de proceso y kernel, y la edición de cuadernos sin conexión. Inicie los cuadernos en Visual Studio Code para disfrutar de una experiencia de desarrollo enriquecida, que incluye una depuración segura y compatibilidad con el control de código fuente de Git.

  • Aprendizaje automático

    Cree rápidamente modelos precisos para la clasificación, la regresión, la previsión de series temporales, las tareas de procesamiento del lenguaje natural y las tareas de visión de procesos. Use la interpretación de modelos para comprender cómo se creó un modelo.

  • Aprendizaje automático con funcionalidad para arrastrar y colocar

    Utilice herramientas de aprendizaje automático, como el diseñador para la transformación de los datos y el entrenamiento y la evaluación de modelos, o bien para crear y publicar fácilmente canalizaciones de aprendizaje automático.

  • Reforzar el aprendizaje

    Escale el aprendizaje de refuerzo a clústeres de proceso de gran eficacia, admita escenarios de varios agentes y acceda a algoritmos, marcos y entornos de código abierto de aprendizaje de refuerzo.

  • Compilación responsable

    Obtenga transparencia en los modelos durante el entrenamiento y la inferencia con las características de interpretabilidad. Valore la imparcialidad de los modelos usando métricas de disparidad y mitigue la parcialidad. Mejore la confiabilidad del modelo e identifique y diagnostique errores del modelo con el kit de herramientas de análisis de errores. Ayude a proteger los datos con la privacidad diferencial.

  • Experimentación

    Administre y supervise las ejecuciones o compare varias ejecuciones para entrenamiento y experimentación. Cree paneles personalizados y compártalos con su equipo.

  • Registros

    Use repositorios de toda la organización para almacenar y compartir modelos, canalizaciones, componentes y conjuntos de datos en varias áreas de trabajo. Capture automáticamente datos de linaje y gobernanza mediante la característica de pista de auditoría.

  • Git y GitHub

    Utilice la integración de Git para realizar un seguimiento del trabajo y el soporte de Acciones de GitHub para implementar flujos de trabajo de aprendizaje automático.

  • Puntos de conexión administrados

    Use puntos de conexión administrados para llevar a cabo la implementación y la puntuación de modelos, registrar métricas y realizar implementaciones de modelos seguras.

  • Proceso con escalabilidad automática

    Utilice la capacidad de proceso administrada para distribuir el entrenamiento de modelos y probarlos, validarlos e implementarlos rápidamente. Comparta clústeres de GPU y CPU en un área de trabajo y escale su capacidad automáticamente para satisfacer las necesidades de aprendizaje automático.

  • Interoperabilidad con otros servicios de Azure

    Acelere la productividad con microsoft Power BI y servicios como Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc, Azure Security Center y Azure Databricks.

  • Compatibilidad con entornos híbridos y multinube

    Ejecute aprendizaje automático en los clústeres de Kubernetes actuales del entorno local, en un entorno multinube y en el perímetro con Azure Arc. Use el agente de aprendizaje automático simple para iniciar el entrenamiento de modelos de una forma más segura, dondequiera que estén los datos.

  • Seguridad de nivel empresarial

    Cree e implemente modelos de una forma más segura con el aislamiento de red y las características de IP privada de un extremo a otro, el control de acceso basado en rol para los recursos y las acciones, roles personalizados y la identidad administrada para los recursos de proceso.

  • Administración de costos

    Reduzca los costos de TI y administre mejor las asignaciones de recursos para las instancias de proceso, con límites de cuota de nivel de recurso y área de trabajo y apagado automático.

Seguridad y cumplimiento exhaustivos e integrados

  • Microsoft invierte más de USD$1 000 000 000 al año en la investigación y el desarrollo de la ciberseguridad.

  • Contamos con más de 3500 expertos en seguridad que se dedican a proteger la seguridad y la privacidad de los datos.

  • Azure tiene más certificaciones que cualquier otro proveedor de nube. Consulta la lista completa.

Comenzar a utilizar una cuenta gratuita de Azure

1

Empieza gratis. Obtén un crédito de  200 USD  para usar durante 30 días. Mientras tengas el crédito, obtendrás cantidades gratuitas de muchos de nuestros servicios más populares y cantidades gratuitas de otros 55 servicios que son siempre gratis.

2

Después del crédito, cambia a un plan de pago por uso para seguir creando con los mismos servicios gratuitos. Paga solamente si tu uso supera la cantidad gratuita mensual.

3

Transcurridos 12 meses, seguirá obteniendo más de 55 servicios que siempre son gratuitos y pagará solo por lo que use más allá de las cantidades gratuitas mensuales.

Cree modelos nuevos y almacene los destinos de proceso, los modelos, las implementaciones, las métricas y los historiales de ejecución en la nube.

Utilice las características automatizadas de aprendizaje automático para identificar algoritmos e hiperparámetros, y mantener un seguimiento de los experimentos en la nube. Cree modelos usando cuadernos o el diseñador con funcionalidad para arrastrar y colocar.

Implemente su propio modelo de aprendizaje automático en la nube o en el perímetro, supervise el rendimiento y vuelva a entrenarlo según sea necesario.

Volver a las pestañas

Clientes que utilizan Azure Machine Learning

"Nuestra misión es probar nuevas ideas e ir más allá para diferenciar a AXA UK de otras aseguradoras. Vemos los puntos de conexión administrados en Azure Machine Learning como un habilitador clave para nuestra ambición digital."

Nic Bourven, director de información, AXA UK

Un padre y su hijo sentados en el maletero de un coche mirando a cámara y riendo

"Los clientes esperan información puntual y precisa sobre sus paquetes y una experiencia de entrega basada en datos. Estamos ayudando a FedEx a mantenerse a la vanguardia con Azure Machine Learning, y estamos creando experiencia para futuros proyectos."

Bikeram Virk, director de productos, IA y Machine Learning, FedEx

Dos personas trabajando en una fábrica

"Como cada vez más de nuestros grupos confían en la solución Azure Machine Learning, nuestros expertos en finanzas pueden centrarse más en tareas de más alto nivel y dedicar menos tiempo a la recopilación y entrada manual de datos."

Jeff Neilsol, director de ciencia de datos, 3M

Un soldador trabajando

i

"Con Azure Machine Learning, podemos mostrar al paciente una puntuación de riesgo muy adaptada a sus circunstancias individuales. ...En última instancia, nuestro objetivo es reducir el riesgo, reducir la incertidumbre y mejorar los resultados quirúrgicos."

Profesor Mike Reed, director clínico, traumatología & ortopedia, Northumbria Healthcare NHS Foundation Trust

Un profesional médico hablando con un paciente

1

"Hemos utilizado las capacidades de MLOps en Azure Machine Learning para simplificar todo el proceso de aprendizaje automático. Eso nos permite centrarnos más en la ciencia de datos y dejar que Azure Machine Learning se encargue de la operacionalización de un extremo a otro."

Michael Cleavinger, director sénior de información sobre compradores, ciencia de datos y análisis avanzados, PepsiCo

Un trabajador repone latas de Pepsi y Mountain Dew en un frigorífico

.

"El uso de las funciones automatizadas de aprendizaje automático de Azure Machine Learning para la creación de modelos de Machine Learning nos permitió crear un entorno en el que podemos crear y experimentar con varios modelos desde múltiples perspectivas."

Keiichi Sawada, división de transformación corporativa, Seven Bank

Una ubicación de Seven Bank
Volver a las pestañas

Recursos de Azure Machine Learning

Guía de dominio de Azure Machine Learning.

Guía de dominio de Azure Machine Learning.

Aprenda técnicas expertas para crear canalizaciones y modelos de Machine Learning completos, automatizados y muy escalables en Azure con TensorFlow, Spark y Kubernetes.

Notas del producto de MLOps de ingeniería

Notas del producto de MLOps de ingeniería

Descubra un enfoque sistemático para crear, implementar y supervisar soluciones de aprendizaje automático con MLOps. Cree, pruebe y administre rápidamente ciclos de vida de aprendizaje automático listos para la producción a gran escala.

Forrester Total Economic ImpactTM (TEI) study

Forrester Total Economic ImpactTM (TEI) study

El estudio Total Economic ImpactTM (TEI) de Forrester Consulting, encargado por Microsoft, examina la potencial rentabilidad de la inversión (ROI) que las empresas pueden obtener con Azure Machine Learning.

Notas del producto de soluciones de Machine Learning

Notas del producto de soluciones de Machine Learning

Obtenga información sobre cómo crear soluciones seguras, escalables y adecuadas.

Notas del producto sobre la IA responsable

Notas del producto sobre la IA responsable

Obtenga información sobre las herramientas y los métodos para comprender, proteger y controlar los modelos.

Notas del producto de operaciones de Machine Learning (MLOps)

Notas del producto de operaciones de Machine Learning (MLOps)

Acelere el proceso de creación, entrenamiento e implementación de modelos a gran escala.

Notas del producto de Machine Learning para Azure Arc

Notas del producto de Machine Learning para Azure Arc

Aprenda a crear, entrenar e implementar modelos en cualquier infraestructura.

 

Preguntas más frecuentes de Azure Machine Learning

  • El servicio está disponible de forma generalizada en varios países o regiones, y se agregarán más próximamente.

  • El Acuerdo de Nivel de Servicio (SLA) de Azure Machine Learning garantiza un tiempo de actividad del 99,9 %.

  • Estudio de Azure Machine Learning es el principal recurso de Machine Learning. Esta funcionalidad proporciona un lugar centralizado para que los científicos de datos y desarrolladores trabajen con todos los artefactos para crear, entrenar e implementar modelos de Machine Learning.

Cuando guste, podemos configurar su cuenta gratuita de Azure

Pruebe Azure Machine Learning gratis

Chatear con el equipo de ventas