Azure Machine Learning
Servicio de aprendizaje automático de nivel empresarial para crear e implementar modelos con más rapidez
Cree modelos de Machine Learning críticos para la empresa a gran escala
Capacite a los científicos de datos y a los desarrolladores para que puedan crear, implementar y administrar modelos de alta calidad en menos tiempo y con confianza. Reduzca el tiempo para obtener valor con MLOps (operaciones de aprendizaje automático) de primer nivel, interoperabilidad de código abierto y herramientas integradas. Innove en una plataforma segura y de confianza que se ha diseñado para ofrecer un aprendizaje automático (ML) responsable.
Cree y entrene modelos con rapidez
Use la experiencia de desarrollo de Estudio para acceder a herramientas integradas y a la mayor compatibilidad con bibliotecas y marcos de código abierto.
Ponga modelos en práctica a gran escala
Implemente modelos con un solo clic y adminístrelos y contrólelos de forma eficaz con MLOps.
Ofrezca soluciones responsables
Conozca y proteja los datos y los modelos, cree soluciones equitativas y mejore la calidad de los modelos.
Innove en una plataforma híbrida más segura
Ejecute cargas de trabajo de aprendizaje automático en cualquier lugar con gobernanza, seguridad y cumplimiento normativo integrados.
ROI hasta tres veces superior en proyectos de aprendizaje automático
Un 70 % menos de pasos para el entrenamiento de modelos
Un 90 % menos de líneas de código para las canalizaciones
60 certificaciones de cumplimiento normativo
Única plataforma con PyTorch Enterprise
Support for the end-to-end machine learning (ML) lifecycle
Data labeling
Label training data and manage labeling projects.
Data preparation
Integrate with analytics engines for data exploration and preparation.
Datasets
Access data and create and share datasets.
Notebooks
Use collaborative Jupyter notebooks with attached compute.
Automated ML
Automatically train and tune accurate models.
Drag-and-drop designer
Design with drag-and-drop development interface.
Experiments
Run experiments and create and share custom dashboards.
Visual Studio Code and GitHub
Use familiar tools and switch easily from local to cloud training.
Compute instance
Develop in a managed and secure environment with cloud CPUs, GPUs, and supercomputing clusters.
Open-source libraries and frameworks
Get built-in support for Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib, and more.
Managed endpoints
Utilize one-click deployment for batch and real-time inference.
Pipelines and CI/CD
Automate machine learning workflows.
Pre-built images
Access container images with frameworks and libraries for inference.
Model repository
Share and track models and data.
Hybrid and multicloud
Train and deploy models on-premises and across multicloud.
Optimize models
Accelerate training and inference and lower costs with ONNX Runtime.
Monitor and analyze
Track, log, and analyze data, models, and resources.
Data drift
Detect drift and maintain model accuracy.
Error analysis
Debug models and optimize model accuracy.
Audit
Trace ML artifacts for compliance.
Policies
Leverage built-in and custom policies for compliance management.
Security
Enjoy continuous monitoring with Azure Security Center.
Control costs
Apply quota management and automatic shutdown.
Reduzca el tiempo para obtener valor con un desarrollo de modelos rápido y preciso
Mejore la productividad con Estudio, la experiencia de desarrollo que permite realizar todas las tareas del aprendizaje automático para crear, entrenar e implementar modelos. Colabore con cuadernos de Jupyter Notebook gracias a la compatibilidad integrada con las bibliotecas y los marcos de código abierto más populares. Cree modelos precisos rápidamente con aprendizaje automático automatizado, usando ingeniería de características y barrido de hiperparámetros. Acceda al depurador, al generador de perfiles y a las explicaciones para mejorar el rendimiento de los modelos a medida que los entrena. Use la profunda integración con Visual Studio Code para pasar el entrenamiento del entorno local a la nube sin problemas y escalar automáticamente los recursos con eficaces clústeres de GPU y CPU basados en la nube.
Ponga en práctica los modelos a gran escala con operaciones de aprendizaje automático (MLOps)
Simplifique la implementación y la administración de miles de modelos en el entorno local, el perímetro y entornos multinube con MLOps. Implemente y puntúe los modelos en menos tiempo con puntos de conexión totalmente administrados para obtener predicciones por lotes y en tiempo real. Use canalizaciones repetibles para automatizar los flujos de trabajo de integración y entrega continuas (CI/CD). Supervise las métricas de rendimiento de los modelos de forma continuada, detecte el desfase de datos y desencadene un nuevo entrenamiento para mejorar el rendimiento de los modelos. Y, a lo largo del ciclo de vida, habilite auditorías y la gobernanza con funcionalidad de seguimiento y linaje lista para usar en todos los artefactos de ML.
Ofrezca soluciones de aprendizaje automático responsable
Acceda a una extraordinaria funcionalidad de inteligencia artificial responsable para aumentar la transparencia de los modelos y mejorar su confiabilidad. Conozca los modelos mediante el uso de visualizaciones que no requieren configuración y use análisis de hipótesis para determinar el impacto de las características en las predicciones. Comparta los grafos explicativos de los modelos con su equipo para asegurar el cumplimiento normativo. Use algoritmos de última generación para probar los modelos en busca de problemas de equidad, comparar distintos modelos y tomar medidas que mitiguen los problemas. Identifique y depure errores en los modelos con el kit de herramientas de análisis de errores para mejorar la precisión de los modelos.
Innove en una plataforma híbrida más segura y conforme
Aumente la seguridad en todo el ciclo de vida del aprendizaje automático con una funcionalidad muy completa que abarca la identidad, la autenticación, los datos, las redes, la supervisión, la gobernanza y el cumplimiento normativo. Cree soluciones de aprendizaje automático más seguras usando el control de acceso basado en rol personalizado, redes virtuales, cifrado de datos, puntos de conexión privados y direcciones IP privadas de un extremo a otro. Entrene e implemente los modelos en el entorno local para cumplir los requisitos de soberanía de los datos. Administre la gobernanza con directivas integradas y simplifique el cumplimiento normativo con una cartera completa que contiene 60 certificaciones, incluidas FedRAMP High y HIPAA.
Desarrolle sus conocimientos del aprendizaje automático con Azure
Obtenga más información sobre el aprendizaje automático en Azure y participe en tutoriales prácticos en este recorrido de aprendizaje de 30 días. Cuando acabe, estará preparado para obtener la certificación Azure Data Scientist Associate.
Principales características del servicio 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
Prepare los datos de forma interactiva con PySpark, gracias a la integración que se incluye 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 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 para la transformación de 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.
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. Mejore la confiabilidad de los modelos e identifique y diagnostique errores en ellos con el kit de herramientas de análisis de errores. Ayude a proteger los datos con privacidad diferencial.
Experimentación
Administre y supervise las ejecuciones o compare varias ejecuciones para entrenamiento y experimentación. Cree paneles personalizados y compártalos con su equipo.
Registro de modelos y pista de auditoría
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 con la pista de auditoría.
Git y GitHub
Use la integración con Git para realizar un seguimiento del trabajo y la compatibilidad con Acciones de GitHub para implementar flujos de trabajo de ML.
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.
Integración profunda con otros servicios de Azure
Acelere la productividad gracias a la integración ya incluida con 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 del entorno local, en entornos multinube y en el perímetro con Azure Arc. Use el agente de aprendizaje automático con un solo clic 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 características como el aislamiento de red y direcciones IP privadas 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
Capacite al departamento de TI para reducir los costos y administrar mejor las asignaciones de recursos para las instancias de proceso con límites de cuota a nivel de recurso y área de trabajo, y con apagado automático.
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.
Engineering MLOps
Discover a systematic approach to building, deploying, and monitoring machine learning solutions with MLOps. Rapidly build, test, and manage production-ready machine learning life cycles at scale.
The Forrester WaveTM 2020
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.
ROI proyectado hasta tres veces superior: Forrester Total Economic ImpactTM (TEI)
El estudio Total Economic Impact™ (TEI) que Forrester Consulting realizó por encargo proporciona un marco para evaluar el posible impacto financiero de Azure Machine Learning en las organizaciones.
Documento técnico sobre soluciones de aprendizaje automático para empresas
Cómo capacitar a las organizaciones para crear soluciones de aprendizaje automático seguras, escalables y equitativas con Azure Machine Learning.
Documento técnico sobre la inteligencia artificial responsable
Herramientas y métodos para comprender, proteger y controlar los modelos.
Documento técnico sobre las operaciones de aprendizaje automático (MLOps)
Cómo acelerar el proceso de creación, entrenamiento e implementación de modelos a gran escala.
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 aprendizaje automático automatizado para identificar algoritmos e hiperparámetros, y realizar 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
- Introducción a Machine Learning 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 (crear trabajos) con la CLI (v2)
- Entrene un modelo de TensorFlow de clasificación de imágenes con la extensión Azure Machine Learning para Visual Studio Code (versión preliminar)
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
- Imágenes de Docker precompiladas para inferencia en Azure Machine Learning
- Puntos de conexión administrados
- PyTorch Enterprise en Microsoft Azure
- Ejecución de Machine Learning en cualquier lugar
- Novedades de Azure Machine Learning
- Democratización de la inteligencia artificial con el diseñador de Azure Machine Learning
- Cómo ser un héroe del aprendizaje automático con aprendizaje automático automatizado
- Edición y ejecución de cuadernos de Jupyter Notebook sin salir del Estudio de Azure Machine Learning
- Características de MLOps en profundidad: administración de recursos, artefactos y código
- Aprendizaje automático (ML) responsable: introducción y análisis de modelos
- Aumento de la productividad con el etiquetado de datos en Azure Machine Learning
Recursos adicionales
Comience a usar Azure Machine Learning hoy mismo
Consiga acceso inmediato y un crédito por valor de $200 al registrarse para obtener una cuenta gratuita de Azure.
Inicie sesión en Azure Portal.
Explore la documentación y los tutoriales y examine guías de inicio rápido y recursos para desarrolladores.
Clientes que utilizan Azure Machine Learning
Bikram Virk, director de producto, IA y aprendizaje automático, FedEx"Customers expect timely and accurate information on their packages and a data-based delivery experience. We're helping FedEx stay on the leading edge with Azure Machine Learning, and we're building expertise for future projects."
Dr. Deepa Kasinathan, directora de producto y jefa de grupo, Robotron Datenbank-Software GmbH"The end-to-end pipeline (built with Azure Machine Learning) has all the features needed to develop and maintain machine learning models throughout their lifecycles."
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."
Michael Cleavinger, director sénior de análisis avanzados y ciencia de datos para obtener información de los clientes, PepsiCo"We've used the MLOps capabilities in Azure Machine Learning to simplify the whole machine learning process. That allows us to focus more on data science and let Azure Machine Learning take care of end-to-end operationalization."
Todo más fácil para los pasajeros del ferrocarril
DB Systel, el asociado digital de la compañía ferroviaria alemana Deutsche Bahn, desarrolló una solución denominada Digital Guide Dog para atender a los pasajeros. Con Microsoft Azure Machine Learning, se tardan solo unas horas en entrenar un nuevo modelo usando redes neuronales.
Actualizaciones, blogs y anuncios de Azure Machine Learning
Preguntas más frecuentes de Azure Machine Learning
-
El servicio está disponible con carácter general en varios países y 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 %.
-
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.