Créez des modèles Machine Learning stratégiques à grande échelle
Azure Machine Learning permet aux scientifiques des données et aux développeurs de créer, déployer et gérer des modèles de haute qualité plus rapidement et en toute confiance. Il accélère le délai d’utilisation grâce aux opérations d’apprentissage automatique (MLOps) de pointe, à l’interopérabilité open source et aux outils intégrés. Cette plateforme d’apprentissage de l’IA approuvée est conçue pour des applications de d’intelligence artificielle responsables dans le Machine Learning.
Accélérez le délai de valorisation
Créez des modèles d'apprentissage automatique en tirant parti d'une puissante infrastructure d' IA et orchestrez les flux de travail d'IA avec un flux rapide.
Collaborer et simplifier MLOps
Déploiement, gestion et partage rapides de modèles ML pour la collaboration entre espaces de travail et MLOps.
Développer en toute confiance
Gouvernance, sécurité et conformité intégrées pour exécuter des charges de travail de machine learning n'importe où.
Concevoir de manière responsable
IA responsable pour créer des modèles explicables à l’aide de décisions pilotées par les données pour la transparence et la responsabilité.
Prise en charge du cycle de vie de l'apprentissage automatique de bout en bout
Étiquetage des données
Étiqueter les données d’entraînement et gérer les projets d’étiquetage.
Préparation des données
À utiliser avec des moteurs d’analyse pour l’exploration et la préparation des données.
Jeux de données
Accédez aux données et créez et partagez des jeux de données.
Notebooks
Utilisez des notebooks Jupyter collaboratifs avec calcul attaché.
Machine Learning automatisé
Entraînez et ajustez automatiquement des modèles IA précis.
Concepteur de glisser-déplacer
Concevez avec une interface de développement par glisser-déplacer.
Expériences
Exécutez des expériences et créez et partagez des tableaux de bord personnalisés.
CLI et SDK Python
Accélérez le processus d’entraînement du modèle tout en effectuant un scale-up et un scale-out sur le calcul Azure.
Visual Studio Code et GitHub
Utilisez des outils familiers de Machine Learning et passez facilement de la formation locale au nuage.
Instance de calcul
Développez dans un environnement managé et sécurisé avec des processeurs nuage, des GPU et des clusters de calcul intensif dynamiquement évolutifs.
Bibliothèques et frameworks open source
Bénéficiez d’une prise en charge intégrée de Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib, etc.
Points de terminaison managés
Déployez rapidement et facilement des modèles d’apprentissage d’IA pour l’inférence par lots et en temps réel.
Pipelines et CI/CD
Automatiser les workflows d’apprentissage automatique.
Images prédéfinies
Accédez aux images conteneur avec des infrastructures et des bibliothèques pour l’inférence.
Référentiel de modèles
Partagez et suivez les données et modèles Machine Learning.
Hybride et multicloud
Entraînez et déployez des modèles localement et dans des environnements multiclouds.
Modèles optimisés
Accélérez l’apprentissage et l’inférence et réduisez les coûts avec ONNX Runtime.
Registres
Partagez et découvrez des modèles et des pipelines entre les équipes de votre organisation.
Surveillance et analyse
Suivez, consignez et analysez les données, les modèles et les ressources.
Dérive des données
Détectez la dérive et maintenez la précision du modèle.
Analyse des erreurs
Déboguez les modèles et optimisez la précision du modèle IA.
Audit
Tracez les artefacts Machine Learning à des fins de conformité.
Stratégies
Utilisez des stratégies intégrées et personnalisées pour la gestion de la conformité.
Sécurité
Bénéficiez d’une surveillance continue avec Azure Security Center.
Contrôle des coûts
Appliquez la gestion des quotas et l’arrêt automatique.
Azure Machine Learning pour l’IA générée
Orchestration du flux de travail IA
Simplifiez la conception, l’évaluation et le déploiement d’applications basées sur un modèle–de langage volumineux avec flux d’invite. Suivez, reproduisez, visualisez et améliorez facilement les invites et les flux sur un large éventail d’outils et de ressources, en savoir plus sur L’IA générée dans Machine Learning.
Plateforme managée de bout en bout
Rationalisez l’ensemble du cycle de vie et de la gestion des modèles de langage à grande échelle grâce aux fonctionnalités MLOps natives. Exécutez Machine Learning dans n’importe quel emplacement en toute sécurité avec une sécurité de qualité professionnelle. Atténuez les biais du modèle et évaluez des modèles à l’aide du tableau de bord IA responsable.
Outils et frameworks flexibles
Créez des modèles d’apprentissage profond dans des outils tels que Visual Studio Code et Jupyter Notebooks, à l’aide de frameworks flexibles tels que PyTorch ou TensorFlow. Azure Machine Learning est compatible avecONNX Runtime et DeepSpeed pour optimiser la formation et l'inférence.
Niveau de performance de classe mondiale
Utilisez une infrastructure d'IA spécialement conçue pour combiner les derniers GPU NVIDIA et les solutions réseau InfiniBand jusqu'à 400 Gbit/s. Adaptez-vous à des milliers de GPU au sein d’un seul cluster avec une évolutivité sans précédent.
Accélérez le temps de mise en valeur grâce au développement rapide de modèles
Améliorez la productivité grâce à une expérience de studio unifiée. Créez, formez et déployez des modèles avec Jupyter Notebooks à l’aide de la prise en charge intégrée des bibliothèques et infrastructures open source. Créez rapidement des modèles grâce à l'apprentissage automatique automatisé pour les données tabulaires, textuelles et images. Utilisez Visual Studio Code pour passer de l’entraînement local au nuage en toute transparence, et effectuez une mise à l’échelle automatique avec Azure AI infrastructure, optimisée par la plateforme InfiniBand NVIDIA Quantum-2. Concevez, comparez, évaluez et déployez vos invites pour de grandes applications basées sur un modèle de langage avec un flux d'invites.
Collaborer et simplifier la gestion des modèles avec MLOps
Rationalisez le déploiement et la gestion de milliers de modèles dans plusieurs environnements à l'aide de MLOps. Déployez et évaluez les modèles ML plus rapidement avec des points de terminaison complètement managés pour les prédictions par lots et en temps réel. Utilisez des pipelines reproductibles pour automatiser les flux de travail pour l’intégration continue et la livraison continue (CI/CD). Partagez et découvrez des artefacts Machine Learning dans plusieurs équipes pour la collaboration entre espaces de travail à l’aide de registres et les magasins de fonctionnalités gérés. Surveillez en permanence les métriques de performances du modèle, détectez la dérive des données et déclenchez un réentraînement pour améliorer les performances du modèle.
Créer des solutions de classe Entreprise sur une plateforme hybride
Placez la sécurité en premier dans le cycle de vie du Machine Learning à l’aide de la gouvernance des données intégrée dans Microsoft Purview. Tirez parti des fonctionnalités de sécurité complètes qui couvrent l’identité, les données, la mise en réseau, la surveillance et la conformité, toutes testées et validées par Microsoft. Sécurisez les solutions à l’aide du contrôle d’accès en fonction du rôle personnalisé, des réseaux virtuels, du chiffrement des données, des points de terminaison privés et des adresses IP privées. Formez et déployez des modèles n’importe où, des locaux au multicloud, pour répondre aux exigences de souveraineté des données. Gouvernez en toute confiance grâce aux stratégies intégrées et à la conformité avec 60 certifications, y compris FedRAMP High et HIPAA.
Utiliser des pratiques d’IA responsables tout au long du cycle de vie
Évaluez les modèles Machine Learning avec des workflows reproductibles et automatisés pour évaluer l’impartialité du modèle, l’explicabilité, l’analyse des erreurs, l’analyse caustique, les performances du modèle et l’analyse exploratoire des données. Effectuez des interventions réelles avec une analyse causale dans le tableau de bord de l’IA responsable et générez une carte de performance au moment du déploiement. Contextualisez les métriques d’IA responsables pour les audiences techniques et non techniques afin d’impliquer les parties prenantes et de simplifier la révision de conformité.
Développez vos compétences en matière de Machine Learning avec Azure
En savoir plus sur l’apprentissage automatique sur Azure et participer à des didacticiels pratiques avec un parcours d’apprentissage de 30 jours. À la fin, vous serez prêt à faire la certification Associé Scientifique des données Azure.
Fonctionnalités de service clés pour le cycle de vie Machine Learning complet
-
Préparation des données
Itérer rapidement sur la préparation des données à l’échelle sur les clusters Apache Spark dans Azure Machine Learning, interopérable avec Azure Databricks.
-
Magasin de fonctionnalités
Augmentez l'agilité dans l'expédition de vos modèles en rendant les fonctionnalités détectables et réutilisables sur plusieurs espaces de travail grâce au magasin de fonctionnalités managé.
-
Blocs-notes collaboratifs
Lancez votre bloc-notes dans Jupyter Notebook ou Visual Studio Code pour une expérience de développement riche, y compris le débogage et la prise en charge du contrôle de source Git.
-
Machine Learning automatisé
Créez rapidement des modèles précis pour la classification, la régression, la prévision de série chronologique, les tâches de traitement en langage naturel et les tâches de vision par ordinateur avec ML automatisé.
-
Machine Learning par glisser-déplacer
Utilisez les outils de Machine Learning, tels que le concepteur pour la transformation des données, l’apprentissage et l’évaluation de modèle, ou pour créer et publier des pipelines de Machine Learning.
-
IA responsable
Créez des solutions d’IA responsable avec des fonctionnalités d’interprétabilité. Évaluez l’impartialité du modèle par le biais de métriques de disparité, et atténuez la partialité.
-
Registres
Utilisez des référentiels à l’échelle de l’organisation pour stocker et partager des modèles, des pipelines, des composants et des jeux de données entre plusieurs espaces de travail. Capturez les données de traçabilité et gouvernez à l’aide de la fonctionnalité de piste d’audit.
-
Points de terminaison managés
Utilisez des points de terminaison managés pour faire fonctionner le déploiement et le scoring de modèles, consigner des métriques et effectuer des déploiements de modèle sécurisé.
Sécurité et conformité complètes, intégrées
-
Microsoft investit plus de 1 milliard de $ USD par an dans la recherche et le développement en matière de cybersécurité.
-
Nous employons plus de 3 500 experts de sécurité qui se consacrent à la sécurité et à la protection des données.
-
Payer uniquement ce dont vous avez besoin, sans frais initiaux
Commencez par un compte Azure gratuit
1
2
Lorsque votre crédit est épuisé, passez au paiement à l’utilisation pour continuer à créer des applications à l’aide de ces mêmes services gratuits. Payez uniquement si vous utilisez une quantité supérieure aux volumes mensuels gratuits.
3
Ressources Azure Machine Learning
Tutoriels avancés
- Effectuer l’apprentissage de modèles Machine Learning
- Réglage des hyperparamètres d'un modèle
- Pipelines d’apprentissage automatique avec Python SDK
- Entraîner les modèles de classification sans code
- Entraîner des modèles de régression sans code à l’aide du concepteur
- Surveiller et analyser des travaux dans Studio
- Gestion, déploiement et suivi des modèles
- Créer et opérer des solutions de Machine Learning
- Opérations d’apprentissage automatique de bout en bout
- Entraîner des modèles à forte intensité de calcul
IDC MarketScape : Évaluation du fabricant MLOps 2022
Découvrez comment les entreprises de tous secteurs utilisent MLOps pour surmonter les défis liés à la mise en œuvre des technologies d'IA et d'apprentissage automatique.
Livre blanc sur l’ingénierie MLOps
Découvrez une approche systématique de la création, du déploiement et de la surveillance de solutions d’apprentissage automatique avec MLOps. Créez, testez et gérez rapidement des cycles de vie Machine Learning prêts pour la production à grande échelle.
Étude Forrester sur l’impact économique total
L'étude Forrester Consulting Total Economic ImpactTM, commandée par Microsoft, examine le retour sur investissement potentiel que les entreprises peuvent réaliser avec Azure Machine Learning.
Livre blanc sur les solutions Machine Learning
Apprenez à construire des solutions d’apprentissage automatique plus sécuritaires, plus évolutives et plus équitables.
Livre blanc sur l’IA responsable
Apprenez à construire des solutions d’apprentissage automatique plus sécuritaires, plus évolutives et plus équitables.
Livre blanc MLOps
Accélérez le processus de création, d’entraînement et de déploiement de modèles à grande échelle.
Livre blanc Machine Learning compatible avec Azure Arc
Découvrez comment créer, entraîner et déployer des modèles dans n’importe quelle infrastructure.
Forum aux questions sur Azure Machine Learning
-
Le service est généralement disponible dans plusieurs pays/régions, avec plus d’informations sur le chemin.
-
Le contrat SLA pour Azure Machine Learning garantit une durée de bon fonctionnement de 99,9 %.
-
Azure Machine Learning Studio est la ressource de niveau supérieur pour le Machine Learning. Cette fonctionnalité offre aux scientifiques des données et aux développeurs un emplacement centralisé dans lequel utiliser tous les artefacts pour créer, former et déployer des modèles Machine Learning.