Navigáció kihagyása

Azure Machine Learning szolgáltatás

Felgyorsíthatja a gépi tanulást a felhőtől a peremhálózatokig

Miért érdemes az Azure Machine Learning szolgáltatást választani?

Hatékony

Az automatizált gépi tanulással és a felügyelt számításokkal felgyorsíthatja a kísérletezés ütemét és a modellek létrehozását.

Open program

Használhatja a gépi tanulás már ismert kódtárait és IDE-it.

Megbízható

Az Azure biztonsági és megfelelőségi funkcióinak és a virtuális hálózati támogatásnak köszönhetően élvezheti a nagyvállalati használatra való felkészültség előnyeit.

Hibrid

Gépi tanulási modelleket hozhat létre, taníthat be, kezelhet és helyezhet üzembe a felhőtől a peremhálózatokig bárhol.

Mit tartalmaz az Azure Machine Learning szolgáltatás?

Automatizált gépi tanulás és hiperparaméteres finomhangolás

Az automatikus gépi tanulás segítségével gyorsabban azonosíthatja a leghatékonyabb algoritmusokat, a hiperparaméteres finomhangolással pedig hatékonyan keresheti ki a legjobb modellt.

Verziókövetés és megismételhetőség

A kísérleteinek nyomon követésével és naplózásával megismételhetővé és könnyen módosíthatóvá teheti őket, így felgyorsíthatja a kísérletezés ütemét.

Nyílt forráskódtárak és fejlesztői környezetek támogatása

Használhatja a gépi tanulás kódtárait, például a TensorFlowt, a PyTorchot és a scikit-learnt. Az Azure Machine Learning szolgáltatás integrálható kedvenc Python-fejlesztői környezeteivel, többek között a Visual Studio Code-dal, a Visual Studióval, az Azure Databricks-jegyzetfüzetekkel és a Jupyter-jegyzetfüzetekkel.

Modellkezelés

A modelljeit proaktívan kezelheti és figyelheti meg a képek és modellek jegyzékével, és az integrált CI/CD-n keresztül frissítheti őket.

Hibrid üzembe helyezés

Felügyelt üzembe helyezéssel ott helyezheti üzembe a modelljeit, ahol a legnagyobb szükség van rájuk – a felhőben vagy a peremhálózatokon.

Elosztott mély tanulás

A nagyméretű, felügyelt GPU-fürtökkel gyorsabban hozhat létre jobb modelleket. Az elosztott mély tanulással gyorsabban taníthatja be modelljeit, amelyeket FPGA-kon helyezhet üzembe.

Tudnivalók az Azure Machine Learning szolgáltatás használatáról

1. lépés: Munkaterület létrehozása

Az SDK telepítése után létrehozhat a felhőben egy munkaterületet a számítási erőforrások, modellek, üzembe helyezések és futtatási előzmények számára.

2. lépés: Modell betanítása

Nyílt forráskódú gépi tanulási kódtárak használatával taníthatja be a modelleket akár a helyszínen, akár a felhőben. A felügyelt felhőbeli számításokkal nyomon követheti kísérleteit, és egyszerűen méretezheti a betanításait is.

3. Lépés: Üzembe helyezés és kezelés

Üzembe helyezheti a modelljeit tesztkörnyezetekben vagy éles környezetben, hogy előrejelzéseket hozhasson létre. Üzembe helyezheti a modelleket a felhőben vagy a peremhálózatokon, vagy kihasználhatja az FPGA-kon üzembe helyezett, hardveresen gyorsított modellek előnyeit, és villámgyors következtetésekhez juthat. Ha egy modell éles környezetben van, monitorozhatja a teljesítményét és az adateltéréseit, illetve szükség esetén újra be is taníthatja.

Kapcsolódó termékek és szolgáltatások

Azure Databricks

Gyors, könnyű és együttműködő Apache Spark-alapú elemzési platform

Machine Learning Studio

Prediktív elemzési megoldások fejlesztése, üzembe helyezése és felügyelete egyszerűen

Adatelemző virtuális gépek

Kifinomult, előre konfigurált környezet AI-fejlesztéshez

Hozzon megalapozottabb döntéseket az Azure Machine Learning szolgáltatással