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.
ML pour toutes les compétences
Productivité pour tous les niveaux de compétence : du code avec des notebooks collaboratifs intégrés et une expérience Jupyter en un clic, utilisez le concepteur de glisser-déplacer ou le Machine Learning automatisé pour accélérer le développement de modèles.
MLOps de bout en bout
Fonctionnalités MLOps robustes s’intégrant aux processus DevOps existants et facilitant la gestion de tout le cycle de vie ML.
ML responsable de pointe
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.
Ouvert et interopérable
Meilleure prise en charge des frameworkds et langages open source, notamment MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python et R.
Booster la productivité avec l’apprentissage automatique 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. Accédez à des notebooks intégrés depuis le studio avec une expérience Jupyter en un clic. Lancez rapidement le calcul dans les notebooks et basculez entre calcul et noyaux en toute simplicité. Utilisez IntelliSense et les fonctionnalités d’édition de code dans les notebooks ; partagez et collaborez avec votre équipe. Utilisez le concepteur sans code pour mettre en route le Machine Learning visuel ou accélérez la création de modèles avec le 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 le MLOps
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. Gérez automatiquement les pistes d’audit, effectuez le suivi de traçabilité et utilisez des feuilles de données modèles pour permettre la responsabilisation.
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.
Principales fonctionnalités du service
Blocs-notes collaboratifs
Notebooks intégrés avec l’expérience Jupyter en un clic. Optimisez votre productivité grâce à IntelliSense, au lancement aisé du calcul, à la commutation de noyau et à l’édition de notebooks hors connexion.
ML automatisé
Créez rapidement des modèles précis pour la classification, la régression et la prévision de série chronologique. Utilisez l’interprétation du modèle pour comprendre comment le modèle a été créé.
Apprentissage automatique par glisser-déplacer
Utilisez le concepteur avec des modules pour la transformation des données, l’apprentissage et l’évaluation de modèle, ou pour créer et publier des pipelines d’apprentissage automatique en quelques clics.
Étiquetage des données
Préparez rapidement les données, gérez et surveillez les projets d’étiquetage, et automatisez les tâches itératives avec l’étiquetage assisté par l’apprentissage automatique.
MLOps
Utilisez le registre central pour stocker et suivre les données, les modèles et les métadonnées. Capturez automatiquement les données de traçabilité et de gouvernance. Utilisez Git pour suivre le travail et GitHub Actions pour implémenter des flux de travail. Gérez et surveillez les exécutions, ou comparez plusieurs exécutions pour l’apprentissage et l’expérimentation.
Mise à l’échelle automatique du calcul
Utilisez le calcul managé pour distribuer l’apprentissage et tester, valider et déployer rapidement des modèles. Des clusters d’UC et de GPU peuvent être partagés dans un espace de travail et mis à l’échelle automatiquement pour répondre à vos besoins d’apprentissage automatique.
Intégration de RStudio
Prise en charge de R intégrée et intégration de RStudio Server (édition open source) pour créer et déployer des modèles et surveiller les exécutions.
Intégration profonde avec d’autres services Azure
Accélérez la productivité grâce à une intégration avec des services Azure tels qu’Azure Synapse Analytics, Recherche cognitive, Power BI, Azure Data Factory, Azure Data Lake et Azure Databricks.
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. Protégez les données avec la confidentialité différentielle.
Sécurité au niveau de l'entreprise
Créez et déployez des modèles en toute sécurité avec des fonctionnalités telles que l’isolement réseau et Private Link, 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
Gérez mieux les allocations de ressources pour la capacité de calcul Azure Machine Learning avec des limites de quota au niveau de l’espace de travail et de la ressource.
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
- Apprentissage automatique visuel avec le concepteur
- Apprentissage automatique automatisé pour la création rapide de modèles
- Utilisation efficace des blocs-notes
- MLOps pour gérer le cycle de vie
- Concevoir des modèles de manière responsable
- Étiquetage des données
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
Jolie Vitale, directrice BI et analytique, Carhartt"The model we deployed on Azure Machine Learning helped us choose the three new retail locations we opened in 2019. Those stores exceeded their revenue plans by over 200 percent in December, the height of our season, and within months of opening were among the best-performing stores in their districts."
Scandinavian Airlines
La solution Azure Machine Learning permet à SAS d’identifier précisément les fraudes avec une maîtrise que ne permettent pas des méthodes manuelles. Dans le cas de l’inscription rétroactive d’un vol pour bénéficier de miles EuroBonus (source courante de fraude), le nouveau système prédit une fraude avec une précision de 99 %.
Sze-Wan Ng, directeur Analytique et développement, TransLink"With MLOps capabilities in Azure Machine Learning, we've improved bus departure predictions by 74 percent, and riders spend 50 percent less time waiting."
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."
Alex Mohelsky, partenaire et consultant Données, analytique et intelligence artificielle, EY Canada"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."
Xiaodong Wang, directeur exécutif, TalentCloud"The automated machine learning capabilities in Azure Machine Learning save our data scientists from doing a lot of time-consuming work, which reduces our time to build models from several weeks to a few hours."
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 updates--November 2020
-
MISE À JOUR
Azure Machine Learning offers added capabilities at lower cost
-
MISE À JOUR
Azure Machine Learning updates Ignite 2020
-
MISE À JOUR
Azure Machine Learning announces output dataset (Preview)
-
MISE À JOUR
L’expérience web studio d’Azure Machine Learning est mise à la disposition générale
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.