Azure Machine Learning
Machine Learning de classe Entreprise pour créer et déployer plus rapidement des modèles
Accélérez le cycle de vie du Machine Learning de bout en bout
Donnez aux développeurs et scientifiques des données les moyens de créer, former et déployer des modèles Machine Learning plus rapidement. Accélérez les délais de mise sur le marché et encouragez la collaboration d'équipe avec MLOps - DevOps, leader du secteur en matière de Machine Learning. Innovez sur une plate-forme sécurisée et fiable, conçue pour une intelligence artificielle responsable.
Productivité pour tous les niveaux de compétence, avec concepteur par glisser-déposer orienté code et Machine Learning automatisé
Fonctionnalités MLOps robustes s’intégrant aux processus DevOps existants et facilitant la gestion de tout le cycle de vie ML
Équité et interprétabilité de pointe des modèles pour élaborer des solutions d’intelligence artificielle responsables, avec sécurité et gestion des coûts améliorées pour une gouvernance et un contrôle avancés.
Meilleure prise en charge des infrastructures et langages open source, notamment MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python et R
Améliorer la productivité et accéder au Machine Learning pour toutes les compétences
Créez et déployez rapidement des modèles Machine Learning à l’aide d’outils répondant à vos besoins, tous niveaux de compétence confondus. Utilisez le concepteur sans code pour commencer, ou utilisez les notebooks Jupyter intégrés pour une expérience orientée code. Accélérez la création de modèles avec l’interface utilisateur Machine Learning automatisé et accédez à l’ingénierie de caractéristiques intégrées, à la sélection d’algorithmes et au balayage hyperparamétrique pour développer des modèles extrêmement précis.
Opérationnaliser à grande échelle avec un MLOps robuste
MLOps, ou DevOps pour Machine Learning, rationalise le cycle de vie du Machine Learning, de la création de modèles à leur déploiement et leur gestion. Utilisez les pipelines ML pour créer des workflows reproductibles, et utilisez un riche registre de modèles pour suivre vos ressources. Gérez les workflows de production à grande échelle à l'aide d'alertes avancées et de fonctionnalités d'automatisation Machine Learning. Profilez, validez et déployez des modèles Machine Learning partout, du cloud à la périphérie, pour gérer les workflows de production ML à grande échelle, de façon adaptée à l'entreprise.
Créer des solutions IA responsables
Accédez à une technologie de pointe à des fins d'équité et de transparence des modèles Machine Learning. Utilisez l'interprétabilité des modèles pour expliquer les prédictions et mieux comprendre le comportement de ces modèles. Réduisez les biais des modèles en appliquant des mesures d'équité courantes, en procédant à des comparaisons systématiques et en utilisant les atténuations recommandées.
Innovez sur une plateforme ouverte et flexible
Bénéficiez d'une prise en charge intégrée des outils et infrastructures open source à des fins de formation et d'inférence de modèles Machine Learning. Utilisez des infrastructures familières telles que PyTorch, TensorFlow et scikit-learn ou le format ONNX ouvert et interopérable. Choisissez les outils de développement les mieux adaptés à vos besoins, notamment les IDE, les notebooks Jupyter et les CLI courant, ou des langages tels que Python et R. Utilisez ONNX Runtime pour optimiser et accélérer les inférences sur les appareils cloud et de périmètre.
Sécurité, gouvernance et contrôle avancés
- Créez des modèles Machine Learning en utilisant la sécurité, la conformité et la prise en charge de réseau virtuel de classe Entreprise d’Azure.
- Protégez vos ressources à l'aide de contrôles intégrés pour l'accès aux identités, aux données et au réseau, y compris les rôles personnalisés.
- Limitez l'accès à votre réseau d'entreprise uniquement ou appliquez des stratégies de sécurité Azure.
- Gérez la gouvernance et les contrôles avec une piste d'audit, une gestion des quotas et des coûts et un portefeuille de conformité complet.
Payez uniquement ce dont vous avez besoin, sans frais initiaux
Pour plus d'informations, consultez la page de tarification Azure Machine Learning.
Mode d'utilisation d'Azure Machine Learning
Accédez à votre expérience web studio
Générez et formez
Déployez et gérez
Vous pouvez créer de nouveaux modèles et stocker vos cibles, modèles, déploiements, métriques et historiques d’exécution de calcul dans le cloud.
Utilisez un Machine Learning automatisé pour identifier des algorithmes et hyperparamètres, ainsi que pour suivre des expériences plus rapidement dans le cloud. Vous pouvez également créer des modèles à l'aide de notebooks ou du concepteur par glisser-déposer.
Déployez votre modèle Machine Learning dans le cloud ou à la périphérie, surveillez les performances et recommencez l’apprentissage si nécessaire.
Ressources
Tutoriels pour les débutants
Tutoriels avancés
Vidéos recommandées
- Prise en main d’Azure Machine Learning
- Utiliser le Machine Learning automatisé pour créer des modèles
- Créer des modèles sans code avec le concepteur Azure Machine Learning
- MLOps pour gérer le cycle de vie de bout en bout
- Intégration de ONNX Runtime dans vos modèles
- Interprétabilité et transparence des modèles
- Création de modèles avec R
Commencez à utiliser Azure Machine Learning dès aujourd'hui
Obtenez un accès instantané et $200 de crédit en créant un compte Azure gratuit.
Connectez-vous au portail Azure.
Explorez la documentation et les tutoriels. Recherchez des démarrages rapides et ressources pour les développeurs.
Clients utilisant Azure Machine Learning
Dean Riddlesden, scientifique des données senior, analytique globale, Walgreens Boots Alliance"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."
Matthieu Boujonnier, architecte d’applications d’analytique et scientifique des données, Schneider Electric"With Azure Machine Learning, we can focus our testing on the most accurate models and avoid testing a large range of less valuable models. That saves months of time."
Diana Kennedy, vice-présidente de la stratégie informatique, architecture et planification, BP"A key part of our transformation has been to embrace the cloud and the digital solutions and services that come with it. This includes a deep dive into AI and machine learning."
Naeem Khedarun, ingénieur logiciel principal (IA), ASOS"By unifying our tech stack and bringing our engineers in Big Data and online software together with data scientists, we got our development time down from months to just a few weeks."
Phil Harris, maître de conférences en physique, MIT"The [Large Hadron Collider in Europe] pushes technology on many fronts...and produces data rates that are the largest in the world. We are an example of how to do analysis of large datasets."
Borrowell aide ses clients à améliorer leur crédit grâce à l'IA
La technologie d’intelligence artificielle innovante de Borrowell utilise des scores de crédit pour formuler des recommandations qui améliorent le crédit et le bien-être financier de ses clients canadiens.
Mises à jour, billets de blog et annonces relatifs à Azure Machine Learning
-
ANNONCE
Azure Open Datasets, actuellement en préversion, donne accès à des jeux de données organisés.
-
MISE À JOUR
Azure Machine Learning available in US Gov
-
MISE À JOUR
Intégration d’Azure Stream Analytics à Azure Machine Learning (en préversion)
-
21 janvier, 2020
MLOps (Machine Learning Operations) : la voie à suivre pour prendre une longueur d'avance sur la concurrence
-
5 novembre, 2019
Azure Machine Learning – Le ML pour tous les niveaux de compétence
-
MISE À JOUR
Simplification des charges de travail ML avec les événements Azure Machine Learning dans Event Grid
-
28 octobre, 2019
Automated machine learning and MLOps with Azure Machine Learning
Forum aux questions sur Azure Machine Learning
-
Le service est généralement disponible dans plusieurs pays/régions, et s’élargit progressivement à d’autres pays/régions.
-
Le contrat de niveau de service (SLA) pour Azure Machine Learning offre une garantie de 99,9 %.
-
Azure Machine Learning Studio est la ressource de niveau supérieur du service. Il offre aux scientifiques des données et développeurs un emplacement centralisé dans lequel utiliser tous les artefacts pour créer, former et déployer des modèles Machine Learning.