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
Aumente la capacidad de los desarrolladores y científicos de datos con una amplia gama de experiencias productivas para crear, entrenar e implementar modelos de Machine Learning en menos tiempo. Agilice la comercialización y fomente la colaboración en los equipos con una metodología MLOps (DevOps para Machine Learning) extraordinaria. Innove en una plataforma segura y de confianza que se ha diseñado para ofrecer una inteligencia artificial responsable.
Productividad para todos los niveles de conocimientos, con una experiencia donde se empiece por escribir el código o un diseñador con funcionalidad para arrastrar y colocar, y aprendizaje automático automatizado.
Sólida metodología MLOps que se integra con los procesos de DevOps actuales y facilita la administración de todo el ciclo de vida del aprendizaje automático.
Imparcialidad e interpretabilidad de los modelos de última generación que permiten crear soluciones de inteligencia artificial responsables, con seguridad mejorada y administración de costos para ofrecer un nivel avanzado de gobernanza y control.
La mayor compatibilidad con plataformas y lenguajes de código abierto, como MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python y R.
Impulse la productividad y acceda a ML para todos los niveles de conocimientos
Cree e implemente modelos de Machine Learning con rapidez usando herramientas que satisfagan sus necesidades, sea cual sea su nivel de conocimientos. Utilice el diseñador sin código para comenzar o utilice cuadernos de Jupyter Notebook para una experiencia donde se empiece por el código. Agilice la creación de modelos con la interfaz de usuario de aprendizaje automático automatizado y acceda a funcionalidad integrada de ingeniería de características, selección de algoritmos y barrido de hiperparámetros para implementar modelos muy precisos.
Ponga en práctica los modelos a escala con una metodología de MLOps sólida
MLOps, o DevOps para Machine Learning, optimiza el ciclo de vida del aprendizaje automático, desde la creación de modelos hasta su implementación y administración. Utilice canalizaciones de ML para crear flujos de trabajo repetibles y un registro completo de los modelos para hacer un seguimiento de sus recursos. Administre los flujos de trabajo de producción a escala usando alertas avanzadas y automatización del aprendizaje automático. Elabore perfiles de modelos de Machine Learning y valide e implemente estos modelos en cualquier parte, desde la nube hasta el perímetro, para administrar los flujos de trabajo de ML de producción a escala y a nivel empresarial.
Cree soluciones de inteligencia artificial responsable
Acceda a tecnología vanguardista para obtener imparcialidad y transparencia en los modelos de Machine Learning. Use la interpretabilidad de los modelos para obtener explicaciones sobre predicciones y así comprender mejor el comportamiento de los modelos. Reduzca el sesgo en los modelos aplicando métricas de imparcialidad comunes, realizando comparaciones automáticas y usando mitigaciones recomendadas.
Innove en una plataforma abierta y flexible
Obtenga compatibilidad integrada con herramientas y plataformas 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.
Seguridad, gobernanza y control avanzados
- Cree modelos de Machine Learning con la seguridad, el cumplimiento normativo y la funcionalidad de red virtual de nivel empresarial de Azure.
- Proteja sus recursos con controles integrados para la identidad, los datos y el acceso de red, incluidos roles personalizados.
- Limite el acceso a su red corporativa o aplique directivas de seguridad de Azure.
- Administre la gobernanza y los controles con trazas de auditoría, administración de cuotas y costos, y una cartera completa de cumplimiento normativo.
Pague solo por lo que necesita, sin costos por adelantado
Para obtener información más detallada, vaya a la página de precios de Azure Machine Learning.
Cómo se utiliza Azure Machine Learning
Viva una experiencia web con Studio
Compilación y entrenamiento
Implementación y administración
Puede crear modelos nuevos y almacenar sus destinos de proceso, modelos, implementaciones, métricas e 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. También puede crear 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
Vídeos destacados
- Introducción a Azure Machine Learning
- Use aprendizaje automático automatizado para crear modelos
- Cree modelos sin escribir código con el diseñador de Azure Machine Learning
- MLOps para administrar el ciclo de vida completo
- Incorporación del entorno de ejecución de ONNX en sus modelos
- Interpretabilidad y transparencia de los modelos
- Creación de modelos con R
Comience a usar Azure Machine Learning hoy mismo
Clientes que utilizan Azure Machine Learning
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."
Matthieu Boujonnier, arquitecto de aplicaciones de análisis y científico de datos, Schneider Electric"With Azure Machine Learning, we can focus our testing on the most accurate models and avoid testing a large range of less valuable models. That saves months of time."
Diana Kennedy, vicepresidenta de estrategia de TI, Arquitectura y planeamiento, BP"A key part of our transformation has been to embrace the cloud and the digital solutions and services that come with it. This includes a deep dive into AI and machine learning."
Naeem Khedarun, ingeniero principal de software (IA), ASOS"By unifying our tech stack and bringing our engineers in Big Data and online software together with data scientists, we got our development time down from months to just a few weeks."
Phil Harris, profesor adjunto de física, MIT"The [Large Hadron Collider in Europe] pushes technology on many fronts...and produces data rates that are the largest in the world. We are an example of how to do analysis of large datasets."
Borrowell ayuda a los consumidores a mejorar su crédito con inteligencia artificial
La innovadora tecnología de inteligencia artificial de Borrowell utiliza puntuaciones crediticias para ofrecer recomendaciones que mejoren el crédito y el bienestar económico de sus clientes canadienses.
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 de Azure Machine Learning es del 99,9 %.
-
Azure Machine Learning Studio es el principal recurso de Machine Learning Service. 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.