Omitir navegación

Azure Machine Learning

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

Azure Machine Learning

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

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 aplicaciones de IA responsable con aprendizaje automático.

Cree y entrene modelos con rapidez

Use la experiencia de desarrollo del Estudio para acceder a herramientas integradas y a la mayor compatibilidad con bibliotecas y marcos de código abierto.

Ofrezca soluciones responsables

Desarrolle modelos de equidad y explicación, úselos de forma responsable cuando se implementen, y haga la gobernanza necesaria para cumplir los requisitos de cumplimiento de linaje y auditoría.

Ponga modelos en práctica a gran escala

Implemente modelos de ML de forma rápida y sencilla, y adminístrelos y contrólelos de forma eficiente con MLOps.

Innove en una plataforma híbrida más segura

Ejecute cargas de trabajo de aprendizaje automático en cualquier lugar con gobernanza, seguridad y cumplimiento normativo integrados.

Llegue incluso a triplicar la rentabilidad de la inversión 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

Soporte para el ciclo de vida del aprendizaje automático de un extremo a otro (ML)

Etiquetado de datos

Etiquete los datos de entrenamiento y administre proyectos de etiquetado.

Preparación de datos

Use motores de análisis para la exploración y preparación de datos.

Conjuntos de datos

Acceda a datos y cree y comparta conjuntos de datos.

Cuadernos

Use cuadernos de colaboración de Jupyter con procesos asociados.

Aprendizaje automático automatizado

Entrene y ajuste automáticamente modelos precisos.

Diseñador de arrastrar y colocar

Diseñe con una interfaz de desarrollo de arrastrar y colocar.

Experimentos

Ejecute experimentos y cree y comparta paneles personalizados.

Interfaz de la línea de comandos

Acelere el proceso de entrenamiento de modelos al escalar verticalmente y horizontalmente el proceso de Azure.

Visual Studio Code y GitHub

Use herramientas que ya conoce y cambie fácilmente del aprendizaje local a uno en la nube.

Instancia de proceso

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

Bibliotecas y marcos de código abierto

Obtenga soporte integrado 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 siga los modelos y los datos.

Híbrido 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

Siga, registre y analice datos, modelos y recursos.

Desfase de datos

Detecte el desfase de datos y mantenga la precisión del modelo.

Análisis de errores

Depure y optimice la precisión de modelos.

Auditoría

Siga los artefactos de aprendizaje automático para su cumplimiento.

Directivas

Aproveche las directivas integradas y personalizadas para la administración del cumplimiento normativo.

Seguridad

Disfrute de una supervisión continua con Azure Security Center.

Control de costos

Aplique la administración de cuotas y el apagado automático.

Reduzca el tiempo para obtener valor con un desarrollo de modelos rápido y preciso

Mejore la productividad con la capacidad de 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 llevar 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 integradas para todos los artefactos de ML.

Ofrezca soluciones de aprendizaje automático responsable

Evalúe los modelos de aprendizaje automático con flujos de trabajo reproducibles y automatizados para evaluar la equidad, la capacidad de explicación, el análisis de errores, el análisis causal, el rendimiento del modelo y el análisis de datos exploratorio. Realice intervenciones y directivas reales con un análisis causal en el panel de IA responsable y genere un cuadro de mandos en el momento de la implementación. Exporte el cuadro de mandos a un PDF para contextualizar las métricas de IA responsables y compártalo con audiencias técnicas y no técnicas para implicar a las partes interesadas y simplificar la revisión de cumplimiento.

Innove en una plataforma híbrida más segura y conforme a las normativas

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 gracias al control de acceso basado en roles 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 termine, estará preparado para obtener la certificación Azure Data Scientist Associate.

Funcionalidades de servicio clave para todo el ciclo de vida 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 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 automatizado

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

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 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 gracias a 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

Reduzca los costos del departamento de TI para 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.

Guía para dominar Azure Machine Learning

Descubra técnicas expertas para crear canalizaciones y modelos de aprendizaje automático completos, automatizados y muy escalables en Azure con TensorFlow, Spark y Kubernetes.

Notas del producto MLOps de ingeniería

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

Informe Forrester WaveTM 2020

Vea por qué Forrester destacó a Azure Machine Learning como un líder en el estudio Forrester WaveTM: Análisis predictivo basado en cuadernos y aprendizaje automático, el T3 de 2020.

Estudio de impacto económico total de ForresterTM (TEI)

El estudio de impacto económico total de Forrester ConsultingTM (TEI), encargado por Microsoft, examina la posible rentabilidad de la inversión (ROI) que las empresas pueden lograr con Azure Machine Learning.

Notas del producto de las soluciones de Machine Learning

Descubra cómo crear soluciones seguras, escalables y adecuadas.

Notas del producto de la IA responsable

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

Notas del producto de operaciones de aprendizaje automático (MLOps)

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

Notas del producto de Machine Learning habilitadas para Azure Arc

Obtenga información sobre cómo crear, entrenar e implementar modelos en cualquier infraestructura.

Seguridad y cumplimiento normativo completos e integrados

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

  • Contamos con más de 3,500 expertos en seguridad dedicados a proteger la seguridad y la privacidad de los datos.

  • Azure tiene más certificaciones que cualquier otro proveedor en la nube. Vea la lista completa.

Cómo se utiliza Azure Machine Learning

Viva una experiencia web con Studio

Compilación y entrenamiento

Implementación y administración

Paso 1 de 1

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

Paso 1 de 1

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.

Paso 1 de 1

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

Pague solo por lo que necesita, sin costos por adelantado

Comience a utilizar una cuenta gratuita de Azure

Iniciar gratis. Obtenga $200 de crédito para usarlo en un plazo de 30 días. Mientras tenga crédito, disfrutará de forma gratuita de muchos de nuestros servicios más populares, además de más de 40 servicios distintos que siempre serán gratuitos.

Después de su crédito, cambie a pago por uso para seguir creando con los mismos servicios gratuitos. Pague solo si usa más de las cantidades mensuales gratuitas.

Después de 12 meses, seguirá recibiendo más de 40 servicios siempre gratuitos y seguirá pagando solo por lo que use más allá de sus cantidades mensuales gratuitas.

Clientes que utilizan Azure Machine Learning

"We make it our mission to try new ideas and go beyond to differentiate AXA UK from other insurers. We see managed endpoints in Azure Machine Learning as a key enabler for our digital ambition."

Nic Bourven, director de Informática de AXA UK
AXA UK

"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."

Bikram Virk, director de producto, IA y aprendizaje automático, FedEx
FedEx

"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."

Dr. Deepa Kasinathan, directora de producto y jefa de grupo, Robotron Datenbank-Software GmbH
BMW Group

"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."

Ignasi Paredes-Oliva, científico de datos principal, Centro de operaciones de seguridad global de Nestlé
Nestle Italia

"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."

Michael Cleavinger, director sénior de análisis avanzados y ciencia de datos para obtener información de los clientes, PepsiCo
PepsiCo

Todo más fácil para los pasajeros del ferrocarril

DB Systel, el asociado digital de la compañía ferroviaria alemana Deutsche Bahn, desarrolló Digital Guide Dog para atender a los pasajeros. Con Azure Machine Learning, se tarda solo unas horas en entrenar un nuevo modelo con redes neuronales.

DB Systel GmbH

Recursos de Azure Machine Learning

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 contrato 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.

Cuando quiera, podemos configurar su cuenta gratuita de Azure

Pruebe Machine Learning gratis

Introducción a los precios de pago por uso

¿Podemos ayudarle?