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
Empower data scientists and developers with a wide range of productive experiences to build, train, and deploy machine learning models and foster team collaboration. Accelerate time to market with industry-leading MLOps—DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.
MLOps de bout en bout
Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows.
Responsible machine learning innovation
Rich set of built-in responsible capabilities to understand, protect, and control data, models and processes.
Ouvert et interopérable
Meilleure prise en charge des frameworkds et langages open source, notamment MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python et R.
Boost productivity with machine learning for all skills
Rapidly build and deploy machine learning models using tools that meet your needs regardless of skill level. Use built-in Jupyter Notebooks with Intellisense or the drag-and-drop designer. Accelerate model creation with automated machine learning, and access powerful feature engineering, algorithm selection, and hyperparameter-sweeping capabilities. Increase team efficiency with shared datasets, notebooks, models, and customizable dashboards that track all aspects of the machine learning process.
Operationalize at scale with MLOps
Take advantage of MLOps to streamline the machine learning lifecycle, from building models to deployment and management. Create reproducible workflows with machine learning pipelines, and train, validate and deploy thousands of models at scale, from the cloud to the edge. Use Azure DevOps or GitHub Actions to schedule, manage, and automate the machine learning pipelines, and use advanced data-drift analysis to improve model performance over time.
Build responsible machine learning solutions
Access state-of-the-art responsible machine learning capabilities to understand, protect, and control your data, models, and processes. Explain model behavior during training and inferencing, and build for fairness by detecting and mitigating model bias. Preserve data privacy throughout the machine learning lifecycle with differential privacy techniques, and use confidential computing to secure machine learning assets. Automatically maintain audit trails, track lineage, and use model datasheets to enable accountability.
Innovate on an open and flexible platform
Get built-in support for open-source tools and frameworks for machine learning model training and inferencing. Use familiar frameworks like PyTorch, TensorFlow, or scikit-learn, or the open and interoperable ONNX format. Choose the development tools that best meet your needs, including popular IDEs, Jupyter Notebooks, and CLIs, or languages such as Python and R. Use ONNX Runtime to optimize and accelerate inferencing across cloud and edge devices. Track all aspects of your training experiments using MLfLow.
Advanced security, governance, and hybrid infrastructure
- Train models on your hybrid infrastructure using Kubernetes clusters on-premises, across multicloud environments, and at the edge with Azure Arc interoperability.
- Access security capabilities such as role-based access, custom machine learning roles, virtual networks, and private links. Manage governance with policies, audit trails, quota, and cost management.
- 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
Optimisez votre productivité grâce à IntelliSense, au calcul facile, à la commutation de noyau et à l’édition de bloc-notes hors connexion.
Machine Learning 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.
Machine Learning par glisser-déplacer
Utilisez les outils de Machine Learning, tels que le concepteur avec des modules pour la transformation des données, l’apprentissage et l’évaluation de modèle, ou pour créer et publier des pipelines de Machine Learning.
Étiquetage des données
Préparez rapidement les données, gérez et surveillez les projets d’étiquetage, et automatisez les tâches itératives avec l’étiquetage assisté par le Machine Learning.
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. 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.
Intégration profonde avec d’autres services Azure
Accelerate productivity with built-in integration with Microsoft Power BI and Azure services such as Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc and Azure Databricks.
Hybrid and multicloud support
Run machine learning on existing Kubernetes clusters on-premises, in multi-cloud and at the edge with Azure Arc. Use the simple one-click deploy ML agent to start training models securely, wherever your data lives.
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
Get model transparency at training and inferencing with interpretability capabilities. Assess model fairness through disparity metrics and mitigate unfairness. Protect data with differential privacy and confidential machine learning pipelines.
Sécurité de niveau d’entreprise
Créez et déployez des modèles de manière plus sécurisée avec des fonctionnalités d’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 les instances 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
Consultez la tarification Azure Machine Learning
Maîtriser Azure Machine Learning
Principales techniques d’experts pour créer des pipelines et des modèles Machine Learning de bout en bout automatisés et hautement évolutifs dans Azure à l’aide de TensorFlow, Spark et Kubernetes.
Principles of Data Science
Les personnes qui manipulent des données développent des compétences en mathématiques, programmation ou une expertise spécifique, mais la science des données nécessite de posséder les trois. Ce livre électronique complet vous aide à combler les lacunes.
Forrester Wave Leader 2020
Forrester positionne Microsoft et Azure Machine Learning comme leaders dans le rapport The Forrester Wave™ : analyse prédictive et Machine learning basés sur un notebook, T3 2020.
Mode d'utilisation d'Azure Machine Learning
Accédez à votre expérience web studio
Générez et formez
Déployez et gérez
Créez de nouveaux modèles et stockez 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. Créez 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
- Get started with Azure Machine Learning
- Drag and drop machine learning with designer
- Machine Learning automatisé pour la création rapide de modèles
- Using Notebooks effectively
- Gérer le cycle de vie MLOps
- Concevoir des modèles de manière responsable
- Gagner en productivité avec l’étiquetage des données
Ressources supplémentaires
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.
Explore the documentation and tutorials, and browse quickstarts and developer resources.
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."
Ignasi Paredes-Oliva, Lead Data Scientist, Nestlé Global Security Operations Center"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."
Joey Chua, Senior Manager Machine Learning Engineering, AGL"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."
Daniel Engberg, Head of Data Analytics and Artificial Intelligence, Scandinavian Airlines"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."
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 en 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."
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 - Public preview announcements Ignite, March 2021.
-
MISE À JOUR
Azure Machine Learning - Generally available announcements at Ignite, March 2021.
-
MISE À JOUR
Azure Machine Learning - Arc enabled machine learning
-
MISE À JOUR
General availability: Azure Machine Learning updates for native terminal
-
MISE À JOUR
Public preview: Azure Machine Learning - Responsible ML updates
-
MISE À JOUR
General availability: Azure Machine Learning Output Datasets
-
MISE À JOUR
Public preview: Azure Machine Learning Data Labeling – Image Instance Segmentation
-
MISE À JOUR
The Azure Quota REST API to manage service limits (quotas) is now generally available
-
MISE À JOUR
Azure Machine Learning updates December 2020 in public preview
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.
-
The service-level agreement (SLA) for Azure Machine Learning is 99.9 percent uptime.
-
Azure Machine Learning studio is the top-level resource for Machine Learning. This capability provides a centralized place for data scientists and developers to work with all the artifacts for building, training, and deploying machine learning models.