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.
Entrenamiento y desarrollo de modelos rápidos, con herramientas integradas y compatibilidad con una infraestructura de IA escalable y diseñada específicamente.
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
Soporte para el ciclo de vida de aprendizaje automático de un extremo a otro
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, GPU y clústeres de superequipo dinámicamente escalables.
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.
Azure Machine Learning para el aprendizaje profundo
Plataforma administrada de un extremo a otro
Simplifique todo el ciclo de vida del aprendizaje profundo y la administración de modelos con funcionalidades nativas de MLOps. Ejecute el aprendizaje automático en cualquier lugar de forma segura con seguridad de nivel empresarial. Mitigue los sesgos del modelo y evalúe los modelos con el panel de control de IA responsable.
Cualquier herramienta de desarrollo y marcos de trabajo
Cree modelos de aprendizaje profundo con sus IDE favoritos, desde Visual Studio Code hasta Jupyter Notebooks y en el marco de su elección con PyTorch y TensorFlow. Azure Machine Learning se integra con ONNX Runtime y DeepSpeed para optimizar su capacitación e inferencia.
Rendimiento de primer nivel
Aproveche la infraestructura de IA creada específicamente para combinar las últimas GPU de NVIDIA y Mellanox Networking hasta 200 GB/s de interconexiones InfiniBand. Escale verticalmente hasta miles de GPU dentro de un único clúster con una escala sin precedentes.
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 con Jupyter Notebook mediante 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 el escalado automático con potentes clústeres de CPU y GPU basados en la nube con la tecnología de la red NVIDIA Quantum InfiniBand.
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.
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.
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
Use superequipos de IA especialmente diseñados para distribuir entrenamiento de aprendizaje profundo y probar, validar e implementar modelos 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.
-
Pague solo por lo que necesita, sin costes por adelantado
Comenzar a utilizar una cuenta gratuita de Azure
1
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
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.
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
"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
"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
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
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
.
"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
Recursos de Azure Machine Learning
Tutoriales para principiantes
Introducción al aprendizaje automático y al SDK de Python
Introducción a los cuadernos de Jupyter Notebook
Introducción al aprendizaje automático automatizado
Uso de la herramienta de diseñador para aprendizaje automático mediante arrastrar y colocar
Entrenamiento de modelos con la CLI
Entrenamiento de un modelo mediante la extensión de Visual Studio Code
Tutoriales avanzados
Aprendizaje e implementación de modelos de Machine Learning automatizado
Explore ejemplos de MLOps en GitHub
Use la herramienta de diseñador para predicciones
Interpretación y explicación de los modelos de Machine Learning
Interpretación y explicación de los modelos de Machine Learning automatizado
Usar el SDK de Python para el aprendizaje automático automatizado
Usar la interfaz de usuario de aprendizaje automático automatizado
Entrenamiento automático de un modelo de series temporales
Entrenar automáticamente un modelo de detección de objetos
Entrenar automáticamente un modelo de procesamiento de lenguaje natural
Vídeos destacados
Imágenes de Docker precompiladas para la inferencia
Puntos de conexión administrados
Ejecución de Machine Learning en cualquier lugar
Democratización de la inteligencia artificial con el diseñador de Machine Learning
Aprenda a ser un héroe del aprendizaje automático
Cuaderno de Estudio de Azure Machine Learning
Administre sus recursos, artefactos y código
Recursos adicionales
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
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
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
Obtenga información sobre cómo crear soluciones seguras, escalables y adecuadas.
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)
Acelere el proceso de creación, entrenamiento e implementación de modelos a gran escala.
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.