Azure Machine Learning szolgáltatás

A modelleket gyorsan létrehozhatja, és bármilyen méretek mellett üzemeltetheti őket a felhőtől kezdve a peremhálózatokig

Felgyorsíthatja a teljes gépi tanulási folyamatot

Egyszerűbbé teheti gépi tanulási modelljeinek létrehozását, betanítását és üzembe helyezését. Ön választhatja meg az eszközöket és a keretrendszert, amelyekkel gyorsabban viheti piacra gépi tanulási modelljeit, az automatizált gépi tanulással növelheti az eredményességet, és egy biztonságos, nagyvállalati szintű platformon végezhet innovációt.

Egyszerűsített gépi tanulás hatékony, kód nélküli, automatizált gépi tanulási képességekkel és nyílt forráskódú támogatással

Robusztus DevOps gépi tanuláshoz, amely integrálható a már meglévő DevOps-folyamataival, és amellyel jobban felügyelhető a teljes gépi tanulási életciklus

A saját asztalt használva igény szerint skálázhat, a gépi tanulási modelleket pedig a felhőtől a peremhálózatokig bárhol létrehozhatja és üzembe helyezheti

Nagyvállalati szintű Azure-biztonság, vezérlés és irányítás az infrastruktúra és a funkciók védelméhez

Hozzáférés az egyszerűsített gépi tanuláshoz

A gépi tanulási modelleket gyorsan létrehozhatja és üzembe helyezheti olyan eszközökkel, amelyek bármilyen szakmai hozzáértés mellett kiválóan használhatóak a kód nélküli módszertől kezdve az kódolásosig. Vizuális fogd és vidd módszerű interfészt, üzemeltetett jegyzetfüzet-környezetet vagy automatizált gépi tanulást használhat. Az automatizált funkciókialakítással, az algoritmuskiválasztással és a hiperparaméter-kereséssel felgyorsíthatja a modellfejlesztést. Beépített támogatást kaphat a már ismerős nyílt forráskódú eszközökhöz és keretrendszerekhez, amilyen például az ONNX, a Python, a PyTorch, a scikit-learn vagy a TensorFlow.

Gyorsabb innováció hatékony MLOps használatával

Az MLOps (azaz a gépi tanuláshoz használt DevOps) egyszerűbbé teszi a teljes életciklust az adatok előkészítésétől kezdve az üzembe helyezésen át a monitorozásig. A gépi tanulási folyamatokkal egyszerűbbé teheti munkafolyamatait, és növelheti a hatékonyságot. A folyamatos integráció és a folyamatos teljesítés (CI/CD) előnyeit kihasználva egyszerűbbé teheti a támogatást és a karbantartást, miközben idővel a modellminőséget is növelheti. A modell munkadarabjait egy központi portálon kezelheti, és figyelheti az üzembe helyezett modellek teljesítményét.

Az asztalról érheti el igény szerint a felhőt

Bármilyen adatot használhat, a gépi tanulási modelleket pedig maximális rugalmassággal a felhőtől a peremhálózatig bárhol üzembe helyezheti. Az automatikus skálázással gyorsan betaníthatja a modelleket hatékony CPU és GPU alapú számítási erőforrások használatával. Információk valós idejű beszerzése a felhőben vagy a peremhálózaton FPGA használatával.

Az infrastruktúra és a megoldások védelme

Minden adatelemzési szükségletéhez használhatja az Azure által kínált nagyvállalati biztonságot, megfelelőséget és a virtuális hálózati támogatást, melyekkel létrehozhatja saját gépi tanulási modelljeit. Számítási feladatait beépített vezérlőkkel védheti az identitások, az adatok és a hálózat terén az Azure-ban, amely minden felhőszolgáltató közül a legteljesebb megfelelőségi portfólióval rendelkezik.

Csak a tényleges használatért kell fizetnie előzetes költség nélkül

Csak azért az Azure-erőforrásokért kell fizetnie, amelyeket a modell betanításánál felhasznál. Az Azure Machine Learning service webhelyén további információt talál többek között a modellek üzembe helyezésének költségeiről is.

Tudnivalók az Azure Machine Learning szolgáltatás használatáról

Munkaterületek létrehozása

Létrehozás és betanítás

Üzembe helyezés és kezelés

1/1. lépés

Számítási helyeit, modelljeit, üzemelő példányait, metrikáit és futtatási előzményeit a felhőben tárolhatja.

1/1. lépés

Az automatikus gépi tanulás használatával azonosíthatja az algoritmusokat és a hiperparamétereket, és nyomon követheti a kísérleteket.

1/1. lépés

Gépi tanulási modelljeit üzembe helyezheti a felhőben vagy a permhálózaton, figyelheti a teljesítményüket, és szükség szerint újra betaníthatja őket.

5 perces gyors útmutatók

Miután létrehozott egy munkaterületet az Azure Machine Learning service-hez, ismerje meg, hogyan futtatható kísérlet a felhőben vagy egy helyi jegyzetfüzet-kiszolgálón, illetve hogyan hozható létre kísérlet a vizuális felhasználói felületen.

Oktatóanyagok és minták

Gépi tanulási modelleket távoli számítási erőforrásokon is betaníthat és üzembe helyezhet. Használhatja az SDK-t képbesoroláshoz (MNIST-adatok) vagy regresszióhoz (NYC taxiadatok), vagy használhatja a vizuális felhasználói felületet árak előrejelzéséhez (autós adatok).

Az Azure Machine Learning szolgáltatás használatba vétele

Azonnali hozzáférést és $200 kreditet kap, ha ingyenes Azure-fiókot regisztrál.

Bejelentkezés az Azure Portalra.

Az Azure Machine Learning szolgáltatást használó ügyfelek

  • BP
  • Walgreens Boots Alliance
  • Schneider Electric
  • TAL
  • Asos
  • Wipro

Azure-hírek, blogok és közlemények

Azure Machine Learning service – gyakori kérdések

Ha készen áll, állítsa be ingyenes Azure-fiókját