Passer la navigation

Service Azure Machine Learning

Accélérer l’apprentissage automatique en le déplaçant du cloud vers la périphérie

Pourquoi Azure Machine Learning Services ?

Productivité

Accélérez votre rythme d’expérimentation et construisez des modèles plus rapidement grâce à l’apprentissage automatique et au calcul géré.

Ouvert

Utilisez les bibliothèques d’apprentissage automatique et les environnements de développement intégré (IDE) que vous connaissez.

Confiance

Préparez l’entreprise avec les fonctionnalités de sécurité et de conformité d’Azure et la prise en charge de réseau virtuel.

Hybride

Créez, formez, gérez et déployez des modèles d’apprentissage automatique à partir du cloud vers la périphérie.

Que comprend Azure Machine Learning Services ?

Apprentissage automatique et réglage d’hyper-paramètre

Identifiez les meilleurs algorithmes plus rapidement avec l’apprentissage automatique, et trouvez le meilleur modèle avec un réglage d’hyper-paramètre automatisé.

Gestion de version et reproductibilité

Accélérez votre rythme d’expérimentation en suivant et consignant vos expériences à des fins de reproductibilité et de facilité de modification.

Prise en charge des bibliothèques et IDE open source

Utilisez des bibliothèques d’apprentissage automatique, telles que Tensorflow, PyTorch et scikit-learn. Azure Machine Learning Services s’intègre à votre IDE Python favori, comme Visual Studio Code, Visual Studio, les blocs-notes Azure Databricks ou les blocs-notes Jupyter.

Gestion des modèles

Gérez et surveillez de manière proactive vos modèles à l’aide du registre d’images et de modèles, puis mettez-les à niveau via une intégration continue/livraison continue.

Déploiement hybride

Déployez des modèles là où vous en avez le plus besoin avec des déploiements gérés dans le cloud et à la périphérie.

Apprentissage profond distribué

Créez de meilleurs modèles plus rapidement avec des clusters de GPU massifs gérés. Formez des modèles rapidement avec un apprentissage profond distribué, et déployez-les sur des FPGA.

Utilisation d'Azure Machine Learning Services

Étape 1 : Créer un espace de travail

Installez le Kit de développement logiciel (SDK) et créez votre espace de travail pour stocker vos ressources de calcul, modèles, déploiements et historiques d’exécution dans le cloud.

Étape 2 : Former un modèle

Formez un modèle localement ou dans le cloud, en utilisant des bibliothèques d’apprentissage automatique open source. Suivez vos expériences et mettez facilement à l’échelle votre apprentissage avec des ressources de calcul géré dans le cloud.

Étape 3 : Déployer et gérer

Déployez votre modèle en environnement de test ou de production pour générer des prévisions. Déployez dans le cloud ou à la périphérie, ou utilisez des modèles à accélération matérielle sur des FPGA pour une inférence ultra-rapide. Lorsque votre modèle est en production, surveillez les performances et la dérive de données, puis reformez-le si nécessaire.

Produits et services associés

Azure Databricks

Plateforme d’analyse rapide, simple et collaborative basée sur Apache Spark

Machine Learning Studio

Générez, déployez et managez facilement des solutions d’analyse prédictive

Machines virtuelles Science des données

Environnement préconfiguré enrichi pour le développement de l’intelligence artificielle

Commencez à prendre de meilleures décisions à l’aide d'Azure Machine Learning Services