Azure Machine Learning

Nagyvállalati szintű gépi tanulási szolgáltatás a modellek gyorsabb létrehozásához és üzembe helyezéséhez

Felgyorsíthatja a teljes gépi tanulási folyamatot

Tovább bővítheti a fejlesztők és az adattudósok lehetőségeit a gépi tanulási modellek hatékonyabb és gyorsabb létrehozása, betanítása és üzembe helyezése révén. Felgyorsíthatja a piacra jutást, és segítheti a csoportmunkát az iparágvezető MLOps – a gépi tanulás DevOps-folyamatai – segítségével. Innovatív megoldásait a gépi tanulás felelős használatához kialakított biztonságos és megbízható platformon valósíthatja meg.

Hatékonyság minden szakmai hozzáértési szinten a kódolással indító és a húzással működő tervező, valamint az automatizált gépi tanulás használatával

Meglévő DevOps-folyamatokkal integrálható robusztus MLOps-lehetőségek segítik a teljes ML-életciklus kezelését

Felelős gépi tanulási képességek – a modellek kiértékelhető és méltányos értelmezése, az adatok differenciált adatvédelemmel és bizalmas számítástechnikával való védelme, valamint az ML-életciklus auditnaplókkal és adatlapokkal történő szabályozása

Kategóriájában a legjobb támogatás az olyan nyílt forráskódú keretrendszerekhez és nyelvekhez, mint az MLflow, a Kubeflow, az ONNX, a PyTorch, a TensorFlow, a Python, és az R

A gépi tanulás hatékonyságának és elérhetőségének javítása a szakmai hozzáértés minden szintjén

A gépi tanulási modelleket gyorsan hozhatja létre és helyezheti üzembe a bármely szakmai hozzáértés mellett használható eszközökkel. Az első lépésekhez használhatja a kódnélküli tervezőt, vagy a kódolással indító felülethez használhatja a beépített Jupyter-jegyzetfüzeteket. Az automatizált gépi tanulási felhasználói felület segítségével felgyorsíthatja a modellek létrehozását, a nagy precizitású modellek fejlesztéséhez igénybe veheti a beépített funkciófeldolgozást, az algoritmusválasztást, és a hiperparaméterek vizsgálatát.

Nagyszámú modell üzembe helyezése a robusztus MLOps használatával

Az MLOps, vagyis a gépi tanulás DevOps-folyamata leegyszerűsíti a gépi tanulás életciklusát a modellek létrehozásától az üzembe helyezésig és a kezelésig. A gépi tanulási folyamatok használatával ismételhető munkafolyamatokat hozhat létre, és a részletes modelladatbázis segítségével nyomon követheti eszközeit. A fejlett riasztások és az automatizált gépi tanulási lehetőségek segítségével nagyszámú éles munkafolyamatot kezelhet. Gépi tanulási modelljeit bárhol, a felhőben és a peremen is profilozhatja, érvényesítheti és üzembe helyezheti a nagyszámú éles gépi tanulási folyamat nagyvállalati színvonalú felügyelete érdekében.

Felelős ML-megoldások létrehozása

Modern, felelős ML-képességeket használhat, amelyekkel megérheti, megvédheti és vezérelheti az adatait, modelljeit és folyamatait. Ismertetheti a modellviselkedést a betanítás és a dedukció során, és a modelltorzítások észlelésével és kezelésével méltányos megoldásokat készíthet. A megkülönböztető adatvédelmi technikákkal a teljes gépi tanulási életciklusban megvédheti az adatokat, a bizalmas számítástechnikával pedig az ML-eszközöket. Szabályzatok alkalmazásával, adatéletút használatával, valamint az erőforrások kezelésével és vezérlésével megfelelhet a jogszabályi előírásoknak.

Nyitott és rugalmas platform az innovatív megoldásokhoz

Beépített támogatást kaphat a mesterségesintelligencia-modellek betanítását és dedukcióit segítő nyílt forráskódú eszközökhöz és keretrendszerekhez. Ismerős keretrendszereket használhat, mint például a PyTorch, a TensorFlow és a Scikit-learn, vagy a nyílt és együttműködő ONNX formátum. Igényei szerint választhat fejlesztési eszközt – köztük népszerű integrált fejlesztőkörnyezeteket, Jupyter-jegyzetfüzeteket és CLI-ket –, továbbá olyan programnyelveket, mint a Python és az R. Az ONNX Runtime használatával a felhőben és a peremeszközökön egyaránt optimalizálhatja és gyorsíthatja a dedukciót.

Fejlett biztonság és irányítás

  • Alapoktól felépített biztonság és megbízható alapot nyújtó felhő az Azure-tól.
  • Az erőforrásokhoz való hozzáférést részletes szerepköralapú hozzáféréssel, egyéni szerepkörökkel és beépített identitáshitelesítési mechanizmusokkal tudhatja biztonságban.
  • A hálózat virtuális hálózatokkal és privát kapcsolatokkal való elkülönítésével biztonságosan fejleszthet, taníthat be és helyezhet üzembe modelleket.
  • A vezérlést szabályzatokkal, auditnaplókkal, valamint kvóta- és költségkezeléssel kezelheti.
  • A 60 tanúsítványra (így többek között a FedRAMP Highra és a DISA IL5-re) kiterjedő portfólióval leegyszerűsítheti a megfelelőséget.

Csak a tényleges használatért kell fizetnie előzetes költség nélkül

A részletes adatokat az Azure Machine Learning díjszabási oldalán találja.

Az Azure Machine Learning használata

Ugrás a stúdió-webszolgáltatáshoz

Létrehozás és betanítás

Üzembe helyezés és kezelés

1/1. lépés

Új modelleket készíthet, valamint számítási helyeket, modelleket, üzemelő példányokat, metrikákat és futtatási előzményeket tárolhat a felhőben.

1/1. lépés

Az automatikus gépi tanulás használatával azonosíthatja az algoritmusokat és a hiperparamétereket, és nyomon követheti a kísérleteket. A modelleket a jegyzetfüzetek és a húzással működő tervező használatával is létrehozhatja.

1/1. lépés

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

Kezdje meg az Azure Machine Learning használatát még ma

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

Bejelentkezés az Azure Portalra.

Az Azure Machine Learninget használó ügyfelek

"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."

Dean Riddlesden, vezető adattudós, globális analitika, Walgreens Boots Alliance

A történet elolvasása

Walgreens Boots Alliance

"With Azure Machine Learning, we can focus our testing on the most accurate models and avoid testing a large range of less valuable models. That saves months of time."

Matthieu Boujonnier, elemzési alkalmazások rendszertervezője és adattudós, Schneider Electric

A történet elolvasása

Schneider Electric

"A key part of our transformation has been to embrace the cloud and the digital solutions and services that come with it. This includes a deep dive into AI and machine learning."

Diana Kennedy, alelnök, információs stratégia, architektúra és tervezés, BP

A történet elolvasása

BP

"By unifying our tech stack and bringing our engineers in Big Data and online software together with data scientists, we got our development time down from months to just a few weeks."

Naeem Khedarun, vezető szoftvermérnök (AI), ASOS

A történet elolvasása

ASOS

"The [Large Hadron Collider in Europe] pushes technology on many fronts...and produces data rates that are the largest in the world. We are an example of how to do analysis of large datasets."

Phil Harris, fizikus tanársegéd, MIT

A történet elolvasása

Fermilab

A Borrowell a mesterséges intelligencia használatával segíti ügyfeleit hitelképességük javításában

A Borrowell innovatív mesterségesintelligencia-technológiája a kreditpontok felhasználásával tesz javaslatokat kanadai ügyfeleinek a hitelképességük és a pénzügyi jólétük növelésére.

A történet elolvasása

Borrowell

Azure Machine Learning – frissítések, blogok és közlemények

Azure Machine Learning – gyakori kérdések

  • A szolgáltatás általánosan elérhető számos országban és régióban, és a továbbiakban újabbakban is elérhető lesz.
  • Az Azure Machine Learning szolgáltatásiszint-szerződése (SLA) 99,9%-ot garantál.
  • Az Azure Machine Learning stúdió a gépi tanulási szolgáltatás legfelső szintű erőforrása. Olyan központi helyet biztosít az adattudósok és a fejlesztők számára, ahol a gépi tanulási modellek létrehozásának, betanításának és üzembe helyezésének összes összetevőjével dolgozhatnak.

Ha készen áll, állítsa be ingyenes Azure-fiókját