Azure Machine Learning
Servicio de aprendizaje automático de nivel empresarial para crear e implementar modelos con más rapidez
Agilice el ciclo de vida completo del aprendizaje automático
Capacite a los desarrolladores y científicos de datos con una amplia gama de experiencias productivas para crear, entrenar e implementar modelos de Machine Learning y fomentar la colaboración en equipo. Agilice la comercialización con una metodología MLOps (DevOps para Machine Learning) extraordinaria. Innove en una plataforma segura y de confianza que se ha diseñado para ofrecer un aprendizaje automático responsable.
Aprendizaje automático para todos los niveles de aptitudes
Productividad para todos los niveles de aptitudes, con Jupyter Notebook, un diseñador con funcionalidad para arrastrar y colocar, así como aprendizaje automático automatizado.
MLOps integral
Funcionalidades de MLOps sólidas que permiten crear e implementar modelos a gran escala mediante flujos de trabajo de aprendizaje automático automatizados y reproducibles.
Innovación en el aprendizaje automático responsable
Rich set of built-in responsible capabilities to understand, protect, and control data, models and processes.
Abierto e interoperable
La mayor compatibilidad con plataformas y lenguajes de código abierto, como MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python y R.
Impulse la productividad con un aprendizaje automático para todos los niveles
Cree e implemente modelos de Machine Learning con rapidez usando herramientas que satisfagan sus necesidades, sea cual sea su nivel de conocimientos. Use los cuadernos integrados de Jupyter Notebook con IntelliSense o con el diseñador de arrastrar y colocar. Agilice la creación de modelos con el aprendizaje automático automatizado y acceda a las eficaces funcionalidades de la ingeniería de características, selección de algoritmos y barrido de hiperparámetros. Aumente la eficacia del equipo con conjunto de datos, cuadernos, modelos y paneles personalizables compartidos que realizan el seguimiento de todos los aspectos del proceso de aprendizaje automático.
Ponga en práctica los modelos a gran escala con MLOps
Benefíciese de MLOps para optimizar el ciclo de vida del aprendizaje automático, desde la creación de modelos hasta su implementación y administración. Cree flujos de trabajo reproducibles con canalizaciones de aprendizaje automático, y entrene, valide e implemente miles de modelos a gran escala, desde la nube hasta el perímetro. Use Azure DevOps o Acciones de GitHub para programar, administrar y automatizar las canalizaciones de aprendizaje automático, y use análisis de desfase de datos avanzado para mejorar el rendimiento del modelo a lo largo del tiempo.
Cree soluciones con un aprendizaje automático responsable
Acceda a características de aprendizaje automático responsable de última generación para comprender, proteger y controlar los datos, los modelos y los procesos. Explique el comportamiento de los modelos durante el entrenamiento y la inferencia, y cree soluciones imparciales mediante la detección y la mitigación del sesgo en los modelos. Mantenga la privacidad de los datos a lo largo del ciclo de vida del aprendizaje automático con técnicas de privacidad diferencial y use computación confidencial para proteger los recursos de aprendizaje automático. Mantenga automáticamente trazas de auditoría, realice un seguimiento del linaje y use hojas de datos de los modelos para habilitar la rendición de cuentas.
Innove en una plataforma abierta y flexible
Obtenga compatibilidad integrada con herramientas y marcos de código abierto para la inferencia y el entrenamiento de modelos de Machine Learning. Use plataformas que ya conoce, como PyTorch, TensorFlow y scikit-learn, o el formato abierto e interoperable ONNX. Elija las herramientas de desarrollo que mejor se adapten a sus necesidades, incluidos los IDE más populares, cuadernos de Jupyter Notebook y CLI, o lenguajes como Python y R. Use ONNX Runtime para optimizar y agilizar la inferencia entre la nube y los dispositivos perimetrales. Realice un seguimiento de todos los aspectos de los experimento de entrenamiento mediante MLfLow.
Build your machine learning skills with Azure
Learn more about machine learning on Azure and participate in hands-on tutorials with this 30-day learning journey. At the end of this learning journey, you'll be prepared to take the Azure Data Scientist Associate Certification.
Seguridad, gobernanza e infraestructura híbrida avanzadas
- Entrene modelos en la infraestructura híbrida con los clústeres de Kubernetes en el entorno local, en los entornos multinube y en el perímetro con la interoperabilidad de Azure Arc.
- Acceda a funcionalidades de seguridad, como acceso basado en rol, roles de aprendizaje automático personalizados, redes virtuales y vínculos privados. Administre la gobernanza con directivas, trazas de seguimiento, cuotas y administración de costos.
- Optimice el cumplimiento normativo con una cartera completa que incluye 60 certificaciones, incluidas FedRAMP High y DISA IL5.
Principales características del servicio
Cuadernos de colaboración
Maximice la productividad con IntelliSense, el intercambio sencillo de proceso y kernel, y la edición de cuadernos sin conexión.
Aprendizaje automático
Cree modelos precisos con rapidez para la clasificación, la regresión y la previsión de series temporales. 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 con módulos 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.
Etiquetado de datos
Prepare los datos rápidamente, administre y supervise los proyectos de etiquetado y automatice las tareas iterativas con el etiquetado asistido por aprendizaje automático.
MLOps
Use el registro central para almacenar y hacer un seguimiento de los datos, los modelos y los metadatos. Capture automáticamente datos de linaje y gobernanza. Use Git para hacer un seguimiento del trabajo, y Acciones de GitHub, para implementar flujos de trabajo. Administre y supervise las ejecuciones o compare varias ejecuciones con fines de entrenamiento y experimentación.
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.
Integración profunda con otros servicios de Azure
Acelere la productividad gracias a la integración ya incluida con Microsoft Power BI y los servicios de Azure, como Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc y Azure Databricks.
Compatibilidad con entornos híbridos y multinube
Ejecute el aprendizaje automático en los clústeres de Kubernetes existentes en el entorno local, en un entorno multinube y en el perímetro con Azure Arc. Use el sencillo agente de ML de implementación con un solo clic para empezar a entrenar modelos con seguridad, dondequiera que se encuentren sus datos.
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.
Aprendizaje automático 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. Proteja los datos con privacidad diferencial y canalizaciones de aprendizaje automático confidenciales.
Seguridad de nivel empresarial
Cree e implemente modelos de una forma más segura con características como el aislamiento de red y Private Link, 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
Administre mejor las asignaciones de recursos para las instancias de proceso de Azure Machine Learning con límites de cuota a nivel de área de trabajo y de recurso.
Pague solo por lo que necesita, sin costos por adelantado
Dominio de Azure Machine Learning
Domine técnicas expertas para crear canalizaciones y modelos de Machine Learning completos, automatizados y muy escalables en Azure con TensorFlow, Spark y Kubernetes.
Principios de la ciencia de datos
Muchas personas que trabajan con datos han ampliado sus conocimientos de matemáticas, de programación o de especialización, pero una ciencia de datos adecuada exige las tres. Este completo e-book ayuda a resolver las carencias.
Un líder en 2020 en Forrester Wave
Forrester reconoce a Microsoft como líder por Azure Machine Learning en el informe The Forrester Wave™: análisis predictivo y aprendizaje automático basados en cuadernos, 3<sup>er</sup> trimestre de 2020.
Cómo se utiliza Azure Machine Learning
Viva una experiencia web con Studio
Compilación y entrenamiento
Implementación y administración
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 Machine Learning 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 Machine Learning en la nube o en el perímetro, supervise el rendimiento y vuelva a entrenarlo según sea necesario.
Recursos
Tutoriales para principiantes
Tutoriales avanzados
- Creación, revisión e implementación de modelos de aprendizaje automático automatizado con Azure Machine Learning
- 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
Vídeos destacados
- Introducción a Azure Machine Learning
- Aprendizaje automático mediante arrastrar y colocar con el diseñador
- Aprendizaje automático automatizado para crear modelos con rapidez
- Uso eficaz de Notebooks
- Administración del ciclo de vida de MLOps
- Cree modelos de manera responsable
- Aumento de la productividad con el etiquetado de datos
Recursos adicionales
Comience a usar Azure Machine Learning hoy mismo
Get instant access and a $200 credit by signing up for an Azure free account.
Sign in to the Azure portal.
Explore the documentation and tutorials, and browse quickstarts and developer resources.
Clientes que utilizan Azure Machine Learning
Jolie Vitale, directora de BI y análisis, Carhartt"The model we deployed on Azure Machine Learning helped us choose the three new retail locations we opened in 2019. Those stores exceeded their revenue plans by over 200 percent in December, the height of our season, and within months of opening were among the best-performing stores in their districts."
Ignasi Paredes-Oliva, científico de datos principal, Centro de operaciones de seguridad global de Nestlé"MLOps is at the core of our product. Because of its reproducible ML pipelines, ... registered models, and automatic model scoring, we're definitely detecting things that we missed before. Which, in terms of risk management, is really, really important."
Joey Chua, directora sénior, Ingeniería de aprendizaje automático, AGL"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."
Daniel Engberg, director de análisis de datos e inteligencia artificial en Scandinavian Airlines"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."
Dean Riddlesden, científico de datos sénior, Análisis global, Walgreens Boots Alliance"If I have 200 models to train—I can just do this all at once. It can be farmed out to a huge compute cluster, and it can be done in minutes. So I'm not waiting for days."
Alex Mohelsky, asociado y responsable asesor de inteligencia artificial y análisis de datos, EY Canada"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."
Actualizaciones, blogs y anuncios de Azure Machine Learning
-
ACTUALIZACIÓN
Azure Machine Learning - Arc enabled machine learning
Preguntas más frecuentes de Azure Machine Learning
-
The service is generally available in several countries/regions, with more on the way.
-
The service-level agreement (SLA) for Azure Machine Learning is 99.9 percent uptime.
-
Azure Machine Learning Studio 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.