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 un aprendizaje automático 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.

Funcionalidad de ML responsable. Comprenda los modelos con capacidad de interpretación e imparcialidad, proteja los datos con privacidad diferencial y computación confidencial, y controle el ciclo de vida del aprendizaje automático con trazas de auditoría y hojas de datos.

La mayor compatibilidad con plataformas y lenguajes de código abierto, como MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python y R.

Impulse la productividad con ML para todos los niveles de conocimiento

Cree e implemente modelos de Machine Learning con rapidez usando herramientas que satisfagan sus necesidades, sea cual sea su nivel de conocimientos. Use el diseñador sin programación para empezar a trabajar con aprendizaje automático visual, o bien con cuadernos de Jupyter Notebook de colaboración integrados si prefiere una experiencia que dé prioridad a la programación. Agilice la creación de modelos con el 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 gran escala con MLOps

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 aprendizaje automático responsables

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

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

Seguridad avanzada y gobernanza

  • Obtenga seguridad desde el principio y cree soluciones en la nube de confianza de Azure.
  • Proteja el acceso a los recursos con un control de acceso pormenorizado basado en roles, mecanismos integrados para la autenticación de la identidad y roles personalizados.
  • Cree, entrene e implemente modelos de forma segura aislando la red con 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.

ML automatizado

Cree modelos precisos con rapidez para clasificación, regresión y previsión de series temporales. Use la interpretación de modelos para comprender cómo se creó un modelo.

Arrastrar y colocar para ML

Use el diseñador con módulos para la transformación de los datos, el entrenamiento y la evaluación de modelos, o bien para crear y publicar canalizaciones de ML con solo algunos clics.

Etiquetado de datos

Prepare los datos rápidamente, administre y supervise proyectos de etiquetado y automatice 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 para entrenamiento y experimentación.

Proceso con escalabilidad automática

Use el proceso administrado para distribuir el entrenamiento de modelos y probarlos, validarlos e implementarlos rápidamente. Los clústeres de GPU y CPU se pueden compartir en un área de trabajo y escalarse automáticamente para satisfacer las necesidades de ML.

Integración de RStudio

Compatibilidad con R e integración con RStudio Server (edición de código abierto) incluidas para crear e implementar modelos y supervisar las ejecuciones.

Integración profunda con otros servicios de Azure

Accelerate productivity with built-in integration with Azure services such as Azure Synapse Analytics, Cognitive Search, Power BI, Azure Data Factory, Azure Data Lake, and Azure Databricks.

Aprendizaje de refuerzo

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.

Seguridad de clase empresarial

Cree e implemente modelos de forma 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 e identidad administrada para los recursos de proceso.

Administración de costos

Administre mejor las asignaciones de recursos para 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

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

Paso 1 de 1

Puede crear modelos nuevos y almacenar sus destinos de proceso, modelos, implementaciones, métricas e 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. También puede crear 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 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."

Jolie Vitale: directora de inteligencia empresarial y análisis, Carhartt
Carhartt

Scandinavian Airlines

El uso de Azure Machine Learning le está permitiendo a SAS identificar el fraude con gran precisión y una destreza que no era posible con los métodos manuales. En el caso del registro retroactivo de vuelos para obtener puntos EuroBonus (una fuente común de fraude), el nuevo sistema predice el fraude con una precisión del 99 %.

Scandinavian Airlines

"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."

Dean Riddlesden, científico de datos sénior, Análisis global, Walgreens Boots Alliance
Walgreens Boots Alliance

"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 asesor jefe de inteligencia artificial, análisis y datos, EY Canada
EY

"The automated machine learning capabilities in Azure Machine Learning save our data scientists from doing a lot of time-consuming work, which reduces our time to build models from several weeks to a few hours."

Xiaodong Wang: consejero delegado, TalentCloud
TalentCloud

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.

Cuando quiera, podemos configurar su cuenta gratuita de Azure