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 plateforme sécurisée et fiable, conçue pour un apprentissage automatique 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

Fonctionnalités de ML responsables  : comprenez les modèles grâce à l’interprétation et en toute impartialité, protégez les données avec la confidentialité différentielle et l’informatique confidentielle, et contrôlez le cycle de vie de ML avec des essais d’audit et des feuilles de données

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 d’apprentissage automatique responsables

Accédez à des fonctionnalités d’apprentissage automatique responsable de pointe pour comprendre, protéger et contrôler vos données, modèles et processus. Expliquez le comportement du modèle pendant l’apprentissage et l’inférence, et renforcez l’impartialité en détectant et atténuant les biais du modèle. Préservez la confidentialité des données tout au long du cycle d’apprentissage automatique grâce à des techniques de confidentialité différentielle, et utilisez l’informatique confidentielle pour sécuriser les ressources d’apprentissage automatique. Appliquez des stratégies, utilisez la traçabilité, et gérez et contrôlez vos ressources pour répondre à des normes réglementaires.

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 et gouvernance avancées

  • Mettez en place la sécurité à partir de la base et tirez parti d’un cloud de confiance avec Azure.
  • Protégez vos ressources au travers d’un accès précis basé sur des rôles, de rôles personnalisés et de mécanismes intégrés d’authentification des identités.
  • Construisez, entraînez et déployez des modèles en toute sécurité en isolant votre réseau à l’aide de réseaux virtuels et de liens privés.
  • Orchestrez la gouvernance au travers de stratégies, de pistes d’audit et d’une gestion de quotas et de coûts.
  • Simplifiez le respect de la conformité grâce à un portefeuille complet couvrant 60 certifications, dont FedRAMP High et DISA IL5.

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

Étape 1 sur 1

Vous pouvez créer de nouveaux modèles et stocker vos cibles, modèles, déploiements, métriques et historiques d’exécution de calcul 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. Vous pouvez également créer 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.

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.

Clients utilisant Azure Machine Learning

"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."

Dean Riddlesden, scientifique des données senior, analytique globale, Walgreens Boots Alliance
Walgreens Boots Alliance

"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."

Matthieu Boujonnier, architecte d’applications d’analytique et scientifique des données, Schneider Electric
Schneider Electric

"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."

Diana Kennedy, vice-présidente de la stratégie informatique, architecture et planification, BP
BP

"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."

Naeem Khedarun, ingénieur logiciel principal (IA), ASOS
ASOS

"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."

Phil Harris, maître de conférences en physique, MIT
Fermilab

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.

Borrowell

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 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.

Créer votre compte gratuit Azure