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—machine learning operations, or DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.
Machine Learning pour tous les niveaux de compétences
Productivity for all skill levels, with Jupyter Notebooks, drag-and-drop designer, and automated 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
Innovation en Machine Learning responsable
Rich set of built-in responsible capabilities to understand, protect, and control data, models, and processes
Ouvert et interopérable
Best-in-class support for open-source frameworks and languages including MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, and R
Boost productivity with machine learning for all skill levels
Créez et déployez rapidement des modèles Machine Learning à l’aide d’outils répondant à vos besoins, tous niveaux de compétence confondus. Utilisez les notebooks Jupyter intégrés avec IntelliSense ou le concepteur par glisser-déplacer. Accélérez la création de modèles avec le Machine Learning automatisé et accédez à une puissante ingénierie de caractéristiques, à la sélection d’algorithmes et au balayage hyperparamétrique. Améliorez l’efficacité des équipes avec les jeux de données partagés, les notebooks, les modèles et les tableaux de bord personnalisables qui suivent tous les aspects du processus Machine Learning.
Opérationnaliser à grande échelle avec le 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 managed online and batch endpoints to seamlessly deploy and score models without managing the underlying infrastructure. 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.
Créer des solutions de Machine Learning responsable
Access state-of-the-art responsible machine learning capabilities to understand, control, and help protect 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.
Innovez sur une plateforme ouverte et flexible
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, Visual Studio Code, 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.
Développez vos compétences en matière de Machine Learning avec Azure
En savoir plus sur l’apprentissage automatique sur Azure et participer à des didacticiels pratiques avec ce parcours d’apprentissage de 30 jours. À la fin de ce parcours d’apprentissage, vous serez prêt à suivre la certification Azure Data Scientist Associate.
Infrastructure hybride, gouvernance et sécurité avancés
- Formez des modèles sur votre infrastructure hybride en utilisant des clusters Kubernetes en local, dans des environnements multiclouds et en périphérie avec l’interopérabilité d’Azure Arc.
- Accédez à des fonctionnalités de sécurité telles que l’accès en fonction du rôle, les rôles Machine Learning personnalisés, les réseaux virtuels et les liaisons privées. 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
Maximize productivity with IntelliSense, easy compute and kernel switching, and offline notebook editing. Launch your notebook in Visual Studio Code for a rich development experience, including secure debugging and support for Git source control.
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
Use the central registry to store and track data, models, and metadata. Automatically capture lineage and governance data. Use Git to track work and GitHub Actions to implement workflows. Manage and monitor runs, or compare multiple runs for training and experimentation. Use managed endpoints to operationalize model deployment and scoring, log metrics, and perform safe model rollouts.
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
Accélérez la productivité avec une intégration aux services Microsoft Power BI et Azure, tels qu’Azure Synapse Analytics, Recherche cognitive Azure, Azure Data Factory, Azure Data Lake, Azure Arc et Azure Databricks.
Support hybride et multicloud
Run machine learning on existing Kubernetes clusters on-premises, in multicloud environments, and at the edge with Azure Arc. Use the one-click machine learning agent to start training models more 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. Help 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.
Principes de science des données
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 Azure Machine Learning comme leader 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
- Prise en main d’Azure Machine Learning
- Machine Learning par glisser-déplacer avec le concepteur
- Machine Learning automatisé pour la création rapide de modèles
- Use Jupyter 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.
Explorez la documentation et les tutoriels et parcourez les démarrages rapides et les ressources de développement.
Clients utilisant Azure Machine Learning
Jolie Vitale, directrice BI et analytique, Carhartt"The model we deployed on Azure Machine Learning helped us choose three new retail locations. Those stores exceeded their revenue plans by over 200 percent [that] December, the height of our season, and within months of opening were among the best-performing stores in their districts."
Ignasi Paredes-Oliva, scientifique des données senior, 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, responsable senior ingénierie Machine Learning, AGL"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."
Daniel Engberg, responsable de l’analytique données et de l’intelligence artificielle, 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."
Michael Cleavinger, Senior Director of Shopper Insights Data Science and Advanced Analytics, PepsiCo"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."
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
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 SLA pour Azure Machine Learning garantit une durée de bon fonctionnement de 99,9 %.
-
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.