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.
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

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
Nic Bourven, director de Informática de AXA UK"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."

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 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.

Recursos de Azure Machine Learning
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 con la CLI
- 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
- Usar el SDK de Python para el aprendizaje automático automatizado
- Usar la interfaz de usuario de aprendizaje automático automatizado
- Entrenamiento automático de un modelo de series temporales
- Entrene automáticamente un modelo de detección de objetos
- Entrenar automáticamente un modelo de procesamiento de lenguaje natural
- Explore ejemplos de Jupyter Notebook de aprendizaje automático automatizado en GitHub
Vídeos destacados
- Imágenes de Docker precompiladas para inferencia
- Puntos de conexión administrados
- PyTorch Enterprise en Azure
- Ejecución de Machine Learning en cualquier lugar
- Democratización de la inteligencia artificial con el diseñador de Machine Learning
- Descubra cómo ser un héroe del aprendizaje automático
- Blocs de notas de Estudio de Azure Machine Learning
- Administrar los recursos, los artefactos y el código
- Introducción y análisis de los modelos
- Aumente su productividad con el etiquetado de datos
Interoperabilidad
Recursos adicionales
Actualizaciones, blogs y anuncios de Azure Machine Learning
-
ACTUALIZACIÓN
Public preview: Azure Machine Learning updates
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.