Azure Machine Learning
Gunakan layanan tingkat perusahaan untuk siklus hidup pembelajaran mesin menyeluruh.
Model pembelajaran mesin yang penting bagi bisnis dalam skala besar
Azure Machine Learning memberdayakan ilmuwan data dan pengembang untuk membangun, menyebarkan, dan mengelola model berkualitas tinggi dengan lebih cepat dan dengan kepercayaan diri. Solusi ini mempercepat waktu untuk mencapai nilai dengan operasi pembelajaran mesin (MLOps) terkemuka di industri, interoperabilitas sumber terbuka, dan alat terpadu. Platform tepercaya ini dirancang untuk aplikasi AI yang bertanggung jawab dalam pembelajaran mesin.
Pengembangan dan pelatihan model yang cepat, dengan alat dan dukungan terpadu infrastruktur AI yang dapat disesuaikan.
Pengembangan model AI yang bertanggung jawab dengan keadilan dan penjelasan bawaan, dan penggunaan yang bertanggung jawab untuk kepatuhan
Penyebaran, manajemen, dan berbagi model ML cepat untuk kolaborasi lintas ruang kerja dan MLOps
Tata kelola, keamanan, dan kepatuhan bawaan untuk menjalankan beban kerja pembelajaran mesin dari mana saja
Dukungan untuk siklus hidup pembelajaran mesin secara menyeluruh
Pelabelan data
Beri label data pelatihan dan kelola proyek pemberian label.
Persiapan data
Gunakan dengan mesin analitik untuk eksplorasi dan persiapan data.
Himpunan data
Akses data dan buat serta bagikan himpunan data.
Notebooks
Gunakan notebooks Jupyter yang kolaboratif dengan komputasi terlampir.
Pembelajaran mesin otomatis
Latih dan setel model yang akurat secara otomatis.
Perancang seret dan letakkan
Rancang dengan antarmuka pengembangan seret dan letakkan.
Eksperimen
Jalankan eksperimen serta buat dan bagikan dasbor kustom.
SDK CLI dan Python
Percepat proses pelatihan model sekaligus tingkatkan dan perbesar skala di komputasi Azure.
Visual Studio Code dan GitHub
Gunakan alat yang sudah tidak asing dan beralih dari pelatihan lokal ke cloud dengan mudah.
Instans komputasi
Kembangkan dalam lingkungan terkelola dan aman dengan CPU, GPU, dan kluster superkomputasi yang dapat diskalakan secara dinamis.
Pustaka dan kerangka kerja sumber terbuka
Dapatkan dukungan bawaan untuk Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib, dan banyak lagi.
Titik akhir terkelola
Sebarkan model untuk inferensi real time dan batch dengan cepat dan mudah.
Alur dan CI/CD
Otomatiskan alur kerja pembelajaran mesin.
Citra bawaan
Akses citra kontainer dengan kerangka kerja dan pustaka untuk inferensi.
Repositori model
Bagikan serta lacak model dan data.
Hibrid dan multicloud
Latih dan sebarkan model secara lokal dan di seluruh lingkungan multicloud.
Optimalkan model
Percepat pelatihan dan inferensi serta kurangi biaya dengan ONNX Runtime.
Pemantauan dan analisis
Lacak, catat, serta analisis data, model, dan sumber daya.
Penyimpangan data
Deteksi penyimpangan dan pertahankan akurasi model.
Analisis kesalahan
Debug model dan optimalkan akurasi model.
Mengaudit
Lacak artefak pembelajaran mesin untuk kepatuhan.
Kebijakan
Gunakan kebijakan kustom dan bawaan untuk manajemen kepatuhan.
Keamanan
Nikmati pemantauan berkelanjutan dengan Azure Security Center.
Kontrol biaya
Terapkan manajemen kuota dan penonaktifan otomatis.
Azure Machine Learning untuk Pembelajaran Mendalam
Platform menyeluruh terkelola
Sederhanakan seluruh siklus hidup pembelajaran mendalam dan manajemen model dengan kemampuan MLOps asli. Jalankan pembelajaran mesin di mana saja secara aman dengan keamanan tingkat perusahaan. Mitigasi bias model dan evaluasi model dengan dasbor AI yang Bertanggung Jawab.
Semua alat dan kerangka kerja pengembangan
Buat model pembelajaran mendalam dengan ID favorit Anda dari Kode Visual Studio ke Jupyter Notebook dan dalam kerangka kerja pilihan Anda dengan PyTorch dan TensorFlow. Azure Machine Learning terintegrasi dengan ONNX Runtime dan DeepSpeed untuk mengoptimalkan pelatihan dan inferensi Anda.
Performa Kelas Dunia
Manfaatkan infrastruktur AI yang dibuat khusus yang dirancang secara unik untuk menggabungkan GPU NVIDIA terbaru dan Jaringan Mellanox hingga 200GB/dtk InfiniBand yang saling terhubung. Skalakan hingga ribuan GPU dalam satu kluster dengan skala yang belum pernah ada sebelumnya.
Percepat waktu untuk mencapai nilai dengan pengembangan model yang cepat
Tingkatkan produktivitas dengan kemampuan studio, pengalaman pengembangan yang mendukung semua tugas pembelajaran mesin, untuk membangun, melatih, dan menyebarkan model. Berkolaborasi dengan Jupyter Notebooks dengan menggunakan dukungan bawaan untuk kerangka kerja dan pustaka sumber terbuka yang populer. Buat model akurat secara cepat dengan pembelajaran mesin otomatis untuk model tabular, teks, dan gambar menggunakan rekayasa fitur dan pembersihan hyperparameter. Gunakan Visual Studio Code untuk beralih dari lokal ke cloud dengan lancar, dan skalakan secara otomatis dengan kluster CPU dan GPU berbasis cloud yang canggih didukung oleh jaringan InfiniBand Kuantum NVIDIA.
?resMode=sharp2&op_usm=1.5,0.65,15,0&wid=1920&qlt=100&fmt=png-alpha&fit=constrain)
Operasional dalam skala besar dengan MLOps
Sederhanakan penyebaran dan pengelolaan ribuan model dalam beberapa lingkungan menggunakan MLOps. Sebarkan dan selesaikan model dengan lebih cepat menggunakan titik akhir yang dikelola sepenuhnya untuk prediksi batch dan real time. Gunakan alur yang dapat diulang untuk mengotomatiskan alur kerja untuk integrasi berkelanjutan dan pengiriman berkelanjutan (CI/CD). Bagikan dan temukan artefak pembelajaran mesin dalam beberapa tim untuk kolaborasi lintas ruang kerja menggunakan registri. Secara berkelanjutan pantau metrik performa model, deteksi penyimpangan data, dan pelatihan ulang pemicu untuk meningkatkan performa model.
Sediakan solusi pembelajaran mesin yang bertanggung jawab
Evaluasi model pembelajaran mesin dengan alur kerja yang dapat direproduksi dan otomatis untuk menilai kelayakan model, keterjelasan, analisis kesalahan, analisis kausal, performa model, dan analisis data eksploratif. Buat intervensi nyata dengan analisis kausal di dasbor AI yang bertanggung jawab dan buat kartu skor pada waktu penyebaran. Kontekstualkan metrik AI yang bertanggung jawab untuk audiens teknis mau pun non-teknis guna melibatkan pemangku kepentingan dan menyederhanakan peninjauan kepatuhan.
Berinovasi di platform hibrid yang lebih aman dan sesuai
Tingkatkan keamanan di seluruh siklus hidup pembelajaran mesin dengan kemampuan komprehensif yang mencakup identitas, data, jaringan, pemantauan, dan kepatuhan. Amankan solusi dengan menggunakan kontrol akses berbasis peran kustom, jaringan virtual, enkripsi data, titik akhir privat, dan alamat IP privat. Latih dan sebarkan model secara lokal untuk memenuhi persyaratan kedaulatan data. Atur menggunakan kebijakan bawaan dan sederhanakan kepatuhan dengan 60 sertifikasi, termasuk FedRAMP High dan HIPAA.
Bangun keterampilan pembelajaran mesin Anda dengan Azure
Pelajari selengkapnya tentang pembelajaran mesin di Azure serta berpartisipasi dalam tutorial langsung dengan perjalanan pembelajaran 30 hari. Pada akhirnya, Anda akan siap untuk mengikuti Sertifikasi Asosiasi Ilmuwan Data Azure.
Kemampuan layanan utama untuk siklus hidup pembelajaran mesin lengkap
-
Pelabelan data
Buat, kelola, dan pantau proyek pemberian label, serta otomatiskan tugas berulang dengan pemberian label dengan bantuan pembelajaran mesin.
-
Persiapan data
Lakukan iterasi dengan cepat pada penyiapan data dalam skala besar di kluster Apache Spark dalam Azure Machine Learning, yang dapat dioperasikan dengan Azure Synapse Analytics.
-
Notebooks yang kolaboratif
Maksimalkan produktivitas dengan IntelliSense, peralihan komputasi dan kernel yang mudah, serta pengeditan buku catatan secara offline. Luncurkan buku catatan Anda di Visual Studio Code untuk pengalaman pengembangan yang beragam, termasuk penelusuran kesalahan yang aman dan dukungan untuk kontrol sumber Git.
-
Pembelajaran mesin otomatis
Buat dengan cepat model yang akurat untuk klasifikasi, regresi, prakiraan rangkaian waktu, tugas pemrosesan bahasa alami, dan tugas visual komputer. Gunakan interpretabilitas model untuk memahami cara model dibuat.
-
Pembelajaran mesin seret dan letakkan
Gunakan alat pembelajaran mesin seperti desainer untuk transformasi data, pelatihan model, dan evaluasi, atau untuk membuat dan menerbitkan alur pembelajaran mesin dengan mudah.
-
Pembelajaran penguatan
Skalakan pembelajaran penguatan ke kluster komputasi yang canggih, mendukung skenario dengan banyak agen, dan akses algoritma, kerangka kerja, dan lingkungan pembelajaran penguatan.
-
Pembuatan yang bertanggung jawab
Dapatkan transparansi model pada pelatihan dan penyimpulan dengan kemampuan interpretabilitas. Menilai kelayakan model melalui metrik disparitas dan memitigasi ketidaklayakan. Tingkatkan keandalan model dan identifikasi serta diagnosis kesalahan model dengan kotak alat analisis kesalahan. Bantu lindungi data dengan privasi diferensial.
-
Eksperimen
Kelola dan pantau eksekusi atau bandingkan beberapa eksekusi untuk pelatihan dan eksperimen. Buat dasbor kustom dan bagikan dengan tim Anda.
-
Registri
Gunakan repositori seluruh organisasi untuk menyimpan dan membagikan model, alur, komponen, dan himpunan data di beberapa ruang kerja. Ambil silsilah data dan kelola data secara otomatis dengan menggunakan fitur jejak audit.
-
Git dan GitHub
Gunakan integrasi Git untuk melacak pekerjaan dan dukungan GitHub Actions untuk mengimplementasikan alur kerja pembelajaran mesin.
-
Titik akhir terkelola
Gunakan titik akhir terkelola untuk mengoperasikan penyebaran dan penskoran model, metrik log, serta melakukan peluncuran model yang aman.
-
Komputasi penskalaan otomatis
Gunakan superkomputer AI yang dibuat khusus untuk mendistribusikan pelatihan pembelajaran mendalam dan menguji, memvalidasi, dan menyebarkan model dengan cepat. Bagikan kluster CPU dan GPU ke seluruh ruang kerja dan skalakan secara otomatis untuk memenuhi kebutuhan pembelajaran mesin Anda.
-
Interoperabilitas dengan layanan Azure lain
Akselerasi produktivitas dengan Microsoft Power BI dan layanan seperti Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc, Azure Security Center, dan Azure Databricks.
-
Dukungan hibrid dan multicloud
Jalankan pembelajaran mesin di kluster Kubernetes lokal yang sudah ada, di lingkungan multicloud, dan di tepi dengan Azure Arc. Gunakan agen pembelajaran mesin sederhana untuk memulai pelatihan model dengan lebih aman, di mana pun data Anda berada.
-
Keamanan tingkat perusahaan
Bangun dan sebarkan model secara lebih aman dengan kemampuan isolasi jaringan dan IP privat menyeluruh, kontrol akses berbasis peran untuk sumber daya dan tindakan, peran kustom, dan identitas terkelola untuk sumber daya komputasi.
-
Manajemen biaya
Kurangi biaya IT dan kelola alokasi sumber daya untuk instans komputasi dengan lebih baik, dengan batas kuota tingkat sumber daya dan ruang kerja serta penonaktifan otomatis.
Keamanan dan kepatuhan bawaan yang komprehensif
-
Microsoft menginvestasikan lebih dari USD1 miliar setiap tahunnya untuk riset dan pengembangan keamanan cyber.
-
Kami mempekerjakan lebih dari 3.500 ahli keamanan yang sepenuhnya berkomitmen terhadap privasi dan keamanan data Anda.
-
Azure memiliki lebih banyak sertifikasi dibandingkan penyedia cloud mana pun. Lihat daftar lengkapnya.
-
Bayar hanya untuk apa yang Anda perlukan, tanpa biaya di muka
Mulai menggunakan akun gratis Azure
1
2
Setelah kredit berakhir, Anda tetap dapat menggunakan layanan gratis yang sama dengan beralih ke prabayar. Bayar hanya jika Anda menggunakan lebih dari jumlah bulanan gratis.
3
Tulis model baru serta simpan target komputasi, model, penyebaran, metrik, dan riwayat eksekusi Anda di cloud.
Gunakan pembelajaran mesin otomatis untuk mengidentifikasi algoritma dan hyperparameter serta melacak eksperimen di cloud. Tulis model dengan menggunakan buku catatan atau desainer seret dan letakkan.
Sebarkan model pembelajaran mesin Anda ke cloud atau ke tepi, pantau performa, dan latih ulang sesuai kebutuhan.
Pelanggan menggunakan Azure Machine Learning
"Kami membuat misi untuk mencoba ide baru dan melampauinya untuk membuat AXA UK menonjol dari perusahaan asuransi lainnya. Kami memandang titik akhir terkelola di Azure Machine Learning sebagai pendukung utama bagi ambisi digital kami."
Nic Bourven, Chief Information Officer, AXA UK
"Pelanggan mengharapkan informasi yang akurat dan tepat waktu terkait paket mereka dan pengalaman pengiriman berbasis data. Kami membantu FedEx untuk tetap unggul dengan menggunakan Azure Machine Learning, dan kami membangun keahlian untuk proyek di masa yang akan datang."
Bikram Virk, Product Manager, AI and Machine Learning, FedEx
"Karena semakin banyak grup kami yang mengandalkan solusi Azure Machine Learning, pakar keuangan kami dapat lebih fokus pada tugas dengan tingkat yang lebih tinggi dan menghabiskan lebih sedikit waktu untuk mengumpulkan dan menginput data secara manual."
Jeff Neilson, Data Science Manager, 3M
i
"Dengan Azure Machine Learning, kami dapat menunjukkan skor risiko yang sangat disesuaikan dengan keadaan individu pasien. …Pada akhirnya, kami ingin mengurangi risiko, mengurangi ketidakpastian, dan meningkatkan hasil operasi bedah."
Professor Mike Reed, Clinical Director, Trauma & Orthopedics, Northumbria Healthcare NHS Foundation Trust
1
"Kami menggunakan kemampuan MLOps di Azure Machine Learning untuk menyederhanakan keseluruhan proses pembelajaran mesin. Hal ini memungkinkan kami untuk lebih fokus pada ilmu data dan membiarkan Azure Machine Learning menangani seluruh operasional."
Michael Cleavinger, Senior Director of Shopper Insights, Data Science, and Advanced Analytics, PepsiCo
.
"Menggunakan fitur pembelajaran mesin otomatis Azure Machine Learning untuk pembuatan model pembelajaran mesin memungkinkan kami mewujudkan lingkungan tempat kami dapat membuat dan bereksperimen dengan berbagai model dari berbagai perspektif."
Keiichi Sawada, Corporate Transformation Division, Seven Bank
Sumber daya Azure Machine Learning
Tutorial tingkat lanjut
Melatih dan menyebarkan model pembelajaran mesin otomatis
Jelajahi contoh MLOps di GitHub
Menggunakan alat desainer untuk prediksi
Menafsirkan dan menjelaskan model pembelajaran mesin
Menafsirkan dan menjelaskan model pembelajaran mesin otomatis
Menggunakan SDK Python untuk pembelajaran mesin otomatis
Menggunakan UI pembelajaran mesin otomatis
Melatih model rangkaian waktu secara otomatis
Video unggulan
Panduan menguasai Azure Machine Learning
Pelajari teknik para ahli untuk membuat model dan alur pembelajaran mesin menyeluruh yang dapat diskalakan dan otomatis di Azure dengan menggunakan TensorFlow, Spark, dan Kubernetes.
Laporan resmi Rekayasa MLOps
Temukan pendekatan sistematis untuk membangun, menyebarkan, dan memantau solusi pembelajaran mesin dengan MLOps. Dengan cepat membangun, menguji, dan mengelola siklus hidup pembelajaran mesin yang siap produksi dalam skala besar.
Studi Forrester Total Economic ImpactTM (TEI)
Studi Forrester Consulting Total Economic ImpactTM (TEI), yang ditugaskan oleh Microsoft, memeriksa potensi pengembalian investasi (ROI) perusahaan yang dapat direalisasi dengan Azure Machine Learning.
Laporan resmi solusi Pembelajaran Mesin
Pelajari cara membangun solusi yang aman, dapat diskalakan, dan merata.
Laporan resmi AI yang bertanggung jawab
Baca tentang alat dan metode guna memahami, melindungi, dan mengontrol model Anda.
Laporan resmi operasi pembelajaran mesin (MLOps)
Akselerasi proses pembuatan, pelatihan, dan penyebaran model dalam skala besar.
Laporan resmi Pembelajaran Mesin yang didukung Azure Arc
Pelajari cara untuk membangun, melatih, dan menyebarkan model di infrastruktur apa pun.
Tanya jawab umum tentang Azure Machine Learning
-
Layanan ini tersedia secara umum di beberapa negara/kawasan, layanan lainnya akan menyusul.
-
Perjanjian tingkat layanan (SLA) untuk Azure Machine Learning adalah 99,9 persen waktu aktif.
-
Studio Azure Machine Learning adalah sumber daya tingkat atas untuk Pembelajaran Mesin. Kemampuan ini menyediakan tempat terpusat bagi ilmuwan data dan pengembang untuk bekerja dengan semua artefak guna membangun, melatih, dan menyebarkan model pembelajaran mesin.