Passer la navigation

Azure Machine Learning

Utiliser un service de classe Entreprise pour le cycle de vie du Machine Learning de bout en bout

Azure Machine Learning

Utiliser un service de classe Entreprise pour le cycle de vie du Machine Learning de bout en bout

Créez des modèles Machine Learning stratégiques à grande échelle

Permettez aux scientifiques des données et aux développeurs de créer, déployer et gérer des modèles de haute qualité plus rapidement et en toute confiance. Accélérez le temps à la valeur grâce aux opérations machine learning de pointe (MLOps), à l’interopérabilité open source et aux outils intégrés. Innovez sur une plateforme sécurisée et approuvée conçue pour les applications d’IA responsables dans le Machine Learning.

Créez et formez rapidement des modèles

Utilisez l’expérience de développement Studio pour accéder aux outils intégrés et à la prise en charge optimale des bibliothèques et infrastructures open source.

Fournissez des solutions responsables

Développez des modèles d’impartialité et d’explicabilité, utilisez-les de manière responsable lors du déploiement et régissez pour répondre aux exigences de traçabilité et d’audit de conformité.

Opérationnalisez à grande échelle

Déployez des modèles ML rapidement et facilement, et gérez-les et gouvernez-les efficacement avec MLOps.

Innovez sur une plateforme hybride plus sécurisée

Exécutez des charges de travail Machine Learning n’importe où avec la gouvernance, la sécurité et la conformité intégrées.

Jusqu’à 3 fois le retour sur investissement sur les projets Machine Learning

70 % d’étapes en moins pour l’apprentissage des modèles

90 % de lignes de code en moins pour les pipelines

60 certifications de conformité

La seule plateforme avec PyTorch Enterprise

Prise en charge du cycle de vie machine learning de bout en bout

Étiquetage des données

Étiquetez les données d’apprentissage et gérez 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 un calcul attaché.

Machine Learning automatisé

Entraînez et ajustez automatiquement des modèles 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.

Interface de ligne de commande

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 et passez facilement de la formation locale au cloud.

Instance de calcul

Développez dans un environnement managé et sécurisé avec des processeurs cloud, des processeurs et des clusters de calcul.

Bibliothèques et frameworks open source

Bénéficiez d’une prise en charge intégrée pour Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib, etc.

Points de terminaison managés

Déployez des modèles pour l’inférence par lot et en temps réel de manière simple et rapide.

Pipelines et intégration continue et livraison continue (CI/CD)

Automatisez les flux d'apprentissage automatique.

Images prédéfinies

Accédez aux images conteneur avec des infrastructures et des bibliothèques pour l’inférence.

Référentiel de modèles

Partagez et suivez des modèles et des données.

Hybride et multicloud

Entraînez et déployez des modèles localement et dans des environnements multiclouds.

Optimiser les modèles

Accélérez l’entraînement et l’inférence et réduisez les coûts avec le runtime ONNX.

Supervision et analyse

Suivez, journaliser et analyser des données, des modèles et des ressources.

Dérive des données

Détectez la dérive et maintenez la précision du modèle.

Analyse des erreurs

Déboguez des modèles et optimisez la précision du modèle.

Audit

Tracez les artefacts Machine Learning pour la conformité.

Stratégies

Utilisez des stratégies intégrées et personnalisées pour la gestion de la conformité.

Sécurité

Bénéficiez d’une surveillance continue avec Azure Security Center.

Maîtrise des coûts

Appliquez la gestion des quotas et l’arrêt automatique.

Accélérez le Time-to-value avec un développement de modèles rapide et précis

Améliorez la productivité grâce à la fonctionnalité studio, une expérience de développement qui prend en charge toutes les tâches de Machine Learning, pour créer, entraîner et déployer des modèles. Collaborez avec Jupyter Notebooks à l’aide de la prise en charge intégrée des infrastructures et bibliothèques open source populaires. Créez rapidement des modèles précis avec le Machine Learning automatisé à l’aide de fonctionnalités d’ingénierie et de balayage d’hyperparamètres. Accédez au débogueur, au profileur et aux explications pour améliorer les performances du modèle à mesure que vous effectuez l’apprentissage. Utilisez des Visual Studio Code approfondies pour passer de l’entraînement local au cloud en toute transparence, et effectuez une mise à l’échelle automatique avec de puissants clusters de processeur et GPU basés sur le cloud.

Faites fonctionner à grande échelle avec des opérations de Machine Learning (MLOps)

Déploiement et gestion de milliers de modèles en local, à la périphérie et dans des environnements multiclouds 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). Surveillez en permanence les métriques de performances du modèle, détectez la dérive des données et déclenchez un réentraînement pour améliorer les performances du modèle. Tout au long du cycle de vie, activez l’auditabilité et la gouvernance avec un suivi et une traçabilité intégrés pour tous les artefacts machine learning.

Fournissez des solutions de Machine Learning responsables

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 stratégies et des intervention réelles avec une analyse causa dans le tableau de bord de l’IA responsable et générez une carte de performance au moment du déploiement. Exportez la carte de performance vers un pdf pour contextualiser les métriques d’IA responsable et partagez-la avec des audiences techniques et non techniques pour impliquer les parties prenantes et simplifier la révision de conformité.

Innovez sur une plateforme hybride plus sécurisée et plus conforme

Augmentez la sécurité dans l’ensemble du cycle de vie Machine Learning avec des fonctionnalités complètes couvrant l’identité, l’authentification, les données, la mise en réseau, la surveillance, la gouvernance et la conformité. Créez des solutions Machine Learning plus sécurisées 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 de bout en bout. Formez et déployez des modèles en local pour répondre aux exigences de souveraineté des données. Gérez la gouvernance à l’aide de stratégies intégrées et rationalisez la conformité avec un portefeuille complet couvrant 60 certifications, y compris FedRAMP High et HIPAA.

Développez vos compétences en matière de Machine Learning avec Azure

Apprenez-en davantage sur le Machine Learning sur Azure et participez à des didacticiels pratiques avec un parcours d’apprentissage de 30 jours. À la fin, vous serez prêt à accepter la certification Azure Scientifique Données Associate.

Fonctionnalités de service clés pour le cycle de vie machine learning complet

Étiquetage des données

Créez, gérez et surveillez les projets d’étiquetage, et automatisez les tâches itératives avec l’étiquetage assisté par le Machine Learning.

Préparation des données

Effectuez une préparation interactive des données avec PySpark à l’aide de Azure Synapse Analytics.

Blocs-notes collaboratifs

Optimisez votre productivité grâce à IntelliSense, au calcul facile, à la commutation de noyau et à l’édition de bloc-notes hors connexion. Lancez votre notebook dans Visual Studio Code pour bénéficier d’une expérience de développement riche, incluant le débogage sécurisé et la prise en charge du contrôle de code 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. Utilisez l’interprétabilité du modèle pour comprendre comment le modèle a été généré.

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.

Apprentissage par renforcement

Mettez à l’échelle l’apprentissage par renforcement sur des clusters de calcul puissants, prenez en charge des scénarios multi-agents, et accédez à des algorithmes, infrastructures et environnements d’apprentissage par renforcement open source.

Apprentissage automatique responsable

Bénéficiez de la transparence du modèle lors des opérations d’apprentissage et d’inférence avec les fonctionnalités d’interprétation. Évaluez l’impartialité du modèle par le biais de métriques de disparité, et atténuez la partialité. Améliorez la fiabilité du modèle et identifiez et diagnostiquez les erreurs de modèle à l’aide du toolkit d’analyse des erreurs. Protégez les données avec la confidentialité différentielle.

Expérimentation

Gérez et surveillez des exécutions ou comparez plusieurs exécutions pour l’entraînement et l’expérimentation. Créez des tableaux de bord personnalisés et partagez-les avec votre équipe.

Registre de modèles et piste d'audit

Utilisez le registre central pour stocker et suivre les données, les modèles et les métadonnées. Capturez automatiquement les données de traçabilité et de gouvernance avec la piste d'audit.

Git et GitHub

Utilisez l’intégration Git pour suivre le travail et GitHub Actions prise en charge pour implémenter des workflows d’apprentissage automatique.

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.

Mise à l’échelle automatique du calcul

Utilisez le calcul managé pour distribuer l’apprentissage et tester, valider et déployer rapidement des modèles. Partagez des clusters d’UC et de GPU dans un espace de travail et mettez à l’échelle automatiquement pour répondre à vos besoins de Machine Learning.

Interopérabilité avec d’autres services Azure

Accélérez la productivité avec Microsoft Power BI et des services tels que Azure Synapse Analytics, Recherche cognitive Azure, Azure Data Factory, Azure Data Lake, Azure Arc, Azure Security Center et Azure Databricks.

Support hybride et multicloud

Exécutez le Machine Learning sur des clusters Kubernetes existants en local, dans des environnements multiclouds et à la périphérie avec Azure Arc. Utilisez l’agent Machine Learning simple pour démarrer des modèles d’apprentissage de manière plus sécurisée, où que se trouvent vos données.

Sécurité de niveau d’entreprise

Créez et déployez des modèles de manière plus sécurisée avec des fonctionnalités d’adresses IP privées de bout en bout, le contrôle d’accès en fonction du rôle pour les ressources et les actions, les rôles personnalisés et l’identité managée pour les ressources de calcul.

Gestion des coûts

Réduisez les coûts informatiques et gérez mieux les allocations de ressources pour les instances de calcul, avec des limites de quota au niveau de l’espace de travail et des ressources et un arrêt automatique.

Guide de maîtrise d'Azure Machine Learning

Découvrez des techniques d’experts pour créer des pipelines et des modèles Machine Learning automatisés et hautement évolutifs de bout en bout dans Azure à l’aide de TensorFlow, Spark et Kubernetes.

Livre blanc d’ingénierie MLOps

Découvrez une approche systématique de la création, du déploiement et de la surveillance des solutions d'apprentissage automatique avec MLOps. Créez, testez et gérez rapidement des cycles de vie d'apprentissage automatique prêts pour la production à l'échelle.

Rapport Forrester WaveTM 2020

Découvrez pourquoi Forrester a nommé Azure Machine Learning leader dans The Forrester WaveTM: Notebook-Based Predictive Analytics and Machine Learning, T3 2020.

Étude TEI (Total Economic ImpactTM) Forrester

L’étude Forrester Consulting Total Economic ImpactTM (TEI), réalisée par Microsoft, examine le retour potentiel sur les investissements (ROI) que les entreprises peuvent réaliser avec Azure Machine Learning.

livre blanc sur les solutions Machine Learning

Apprenez à élaborer des solutions sûres, évolutives et équitables.

Livre blanc d’intelligence artificielle responsable

Découvrez les outils et méthodes permettant de comprendre, de protéger et de contrôler vos modèles.

Livre blanc sur les opérations Machine Learning (MLOps)

Accélérez le processus de création, d’entraînement et de déploiement de modèles à grande échelle.

Sécurité et conformité complètes et intégrées

  • Microsoft investit plus de USD 1 milliard 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.

  • Azure a plus de certifications que tout autre fournisseur de services cloud. Affichez la liste complète.

Mode d'utilisation d'Azure Machine Learning

Accédez à votre expérience web studio

Générez et formez

Déployez et gérez

Étape 1 sur 1

Créez de nouveaux modèles et stockez vos cibles de calcul, modèles, déploiements, métriques et historiques d’exécution dans le cloud.

Étape 1 sur 1

Utilisez un Machine Learning automatisé pour identifier des algorithmes et hyperparamètres, ainsi que pour suivre des expériences plus rapidement dans le cloud. Créez des modèles à l'aide de notebooks ou du concepteur par glisser-déposer.

Étape 1 sur 1

Déployez votre modèle Machine Learning dans le cloud ou à la périphérie, surveillez les performances et recommencez l’apprentissage si nécessaire.

Payez uniquement ce dont vous avez besoin, sans frais initiaux

Mise en route avec un compte Azure gratuit

Démarrez gratuitement. Obtenez$200crédits à utiliser dans les 30 jours. Bien que vous ayez votre crédit, obtenez des montants gratuits de nombreux de nos services les plus populaires, ainsi que des montants gratuits de plus de 40 autres services toujours gratuits.

Après votre crédit, passez à payer au fur et à mesure pour continuer à construire avec les mêmes services gratuits. Payez uniquement si vous utilisez plus que vos montants mensuels gratuits.

Après 12 mois, vous continuerez à bénéficier de plus de 40 services toujours gratuits tout en payant uniquement ce que vous utilisez au-delà de vos montants mensuels gratuits.

Clients utilisant Azure Machine Learning

"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."

Nic Bourven, Directeur de l’information, AXA Royaume-Uni
AXA UK

"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."

Bikram Virk, chef de produit, IA et Machine Learning, FedEx
FedEx

"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."

Dr. Deepa Kasinathan, chef de produit et responsable de groupe, Robotron Datenbank-Software GmbH
Groupe DU GROUPE

"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."

Ignasi Paredes-Oliva, scientifique des données senior, Nestlé Global Security Operations Center
Nestle Italia

"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."

Michael Cleavinger, directeur senior Science des données et Analytique Insights acheteurs, PepsiCo
PepsiCo

Facilitez la vie des voyageurs ferroviaires

DB Systel, partenaire de l’entreprise de transport allemand Deutsche Bahn, a développé la solution Digital Guide Dog pour aider les passagers. À l’aide de Azure Machine Learning, l’apprentissage d’un nouveau modèle à l’aide de réseaux neuronaux ne prend que quelques heures.

DB Systel GmbH

Ressources Azure Machine Learning

Mises à jour, billets de blog et annonces relatifs à 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 est de 99,9 % de temps d’activité.
  • 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.

Créer votre compte gratuit Azure

Essayez gratuitement Machine Learning.

Démarrage avec paiement à l’utilisation

Pouvons-nous vous aider ?