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

Empower data scientists and developers with a wide range of productive experiences to build, train, and deploy machine learning models and foster team collaboration. Accelerate time to market with industry-leading MLOps—machine learning operations, or DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.

Aprendizaje automático para todos los niveles de aptitudes

Productivity for all skill levels, with Jupyter Notebooks, drag-and-drop designer, and automated machine learning

MLOps integral

Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows

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

Best-in-class support for open-source frameworks and languages including MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, and R

Boost productivity with machine learning for all skill levels

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

Take advantage of MLOps to streamline the machine learning lifecycle, from building models to deployment and management. Create reproducible workflows with machine learning pipelines, and train, validate, and deploy thousands of models at scale, from the cloud to the edge. Use managed online and batch endpoints to seamlessly deploy and score models without managing the underlying infrastructure. Use Azure DevOps or GitHub Actions to schedule, manage, and automate the machine learning pipelines, and use advanced data-drift analysis to improve model performance over time.

Cree soluciones con un aprendizaje automático responsable

Access state-of-the-art responsible machine learning capabilities to understand, control, and help protect your data, models, and processes. Explain model behavior during training and inferencing, and build for fairness by detecting and mitigating model bias. Preserve data privacy throughout the machine learning lifecycle with differential privacy techniques and use confidential computing to secure machine learning assets. Automatically maintain audit trails, track lineage, and use model datasheets to enable accountability.

Innove en una plataforma abierta y flexible

Get built-in support for open-source tools and frameworks for machine learning model training and inferencing. Use familiar frameworks like PyTorch, TensorFlow, or scikit-learn, or the open and interoperable ONNX format. Choose the development tools that best meet your needs, including popular IDEs, Visual Studio Code, Jupyter Notebooks, and CLIs, or languages such as Python and R. Use ONNX Runtime to optimize and accelerate inferencing across cloud and edge devices. Track all aspects of your training experiments using MLflow.

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 este recorrido de aprendizaje, estará preparado para la certificación Azure Data Scientist Associate.

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

Maximize productivity with IntelliSense, easy compute and kernel switching, and offline notebook editing. Launch your notebook in Visual Studio Code for a rich development experience, including secure debugging and support for Git source control.

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 the central registry to store and track data, models, and metadata. Automatically capture lineage and governance data. Use Git to track work and GitHub Actions to implement workflows. Manage and monitor runs, or compare multiple runs for training and experimentation. Use managed endpoints to operationalize model deployment and scoring, log metrics, and perform safe model rollouts.

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

Run machine learning on existing Kubernetes clusters on-premises, in multicloud environments, and at the edge with Azure Arc. Use the one-click machine learning agent to start training models more securely, wherever your data lives.

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

Get model transparency at training and inferencing with interpretability capabilities. Assess model fairness through disparity metrics and mitigate unfairness. Help protect data with differential privacy and confidential machine learning pipelines.

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

Consulte los precios de Azure Machine Learning.

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

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 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.

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.

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.

Clientes que utilizan Azure Machine Learning

"The model we deployed on Azure Machine Learning helped us choose three new retail locations. Those stores exceeded their revenue plans by over 200 percent [that] December, the height of our season, and within months of opening were among the best-performing stores in their districts."

Jolie Vitale, directora de BI y análisis, Carhartt
Carhartt

"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

"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."

Joey Chua, directora sénior, Ingeniería de aprendizaje automático, AGL
AGL

"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."

Daniel Engberg, director de análisis de datos e inteligencia artificial en Scandinavian Airlines
Scandinavian Airlines

"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, Senior Director of Shopper Insights Data Science and Advanced Analytics, PepsiCo
PepsiCo

"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."

Alex Mohelsky, asociado y responsable asesor de inteligencia artificial y análisis de datos, EY Canada
EY

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.

Cuando quiera, podemos configurar su cuenta gratuita de Azure