Buat model pembelajaran mesin yang penting untuk 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. Tindakan ini mempercepat waktu ke nilai dengan operasi pembelajaran mesin terkemuka di industri (MLOps), interoperabilitas sumber terbuka, dan alat terintegrasi. Platform tepercaya ini dirancang untuk aplikasi AI yang bertanggung jawab dalam pembelajaran mesin.
Percepat waktu mendapatkan nilai produk
Pengembangan model yang cepat dan disesuaikan menggunakan kerangka kerja yang sudah dikenal yang didukung oleh infrastruktur AI yang fleksibel dan kuat.
Berkolaborasi dan menyederhanakan MLOps
Penyebaran, manajemen, dan berbagi model ML cepat untuk kolaborasi lintas ruang kerja dan MLOps.
Kembangkan dengan percaya diri
Tata kelola, keamanan, dan kepatuhan bawaan untuk menjalankan beban kerja pembelajaran mesin di mana saja.
Desain secara bertanggung jawab
AI yang Bertanggung Jawab untuk membuat model yang dapat dijelaskan menggunakan keputusan berdasarkan data untuk transparansi dan akuntabilitas.
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 sesuaikan model AI 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 pembelajaran mesin yang sudah dikenal dan beralih dengan mudah dari pelatihan lokal ke cloud.
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 dan lacak model dan data pembelajaran mesin.
Hibrid dan multicloud
Latih dan sebarkan model secara lokal dan di seluruh lingkungan multicloud.
Model yang dioptimalkan
Percepat pelatihan dan inferensi serta kurangi biaya dengan ONNX Runtime.
Registri
Bagikan serta temukan model dan alur di seluruh tim di organisasi Anda.
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 AI.
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 manajemen model dan siklus hidup pembelajaran mendalam dengan kemampuan MLOps asli. Jalankan pembelajaran mesin dengan aman di mana saja 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 lingkungan pengembangan terpadu (IDE) pilihan Anda dari Visual Studio Code ke Jupyter Notebooks, dalam kerangka kerja pilihan Anda menggunakan PyTorch dan TensorFlow. Azure Machine Learning berinteroperasi dengan ONNX Runtime dan DeepSpeed untuk mengoptimalkan pelatihan dan inferensi.
Performa kelas dunia
Gunakan infrastruktur AI yang dibuat khususdirancang untuk menggabungkan solusi jaringan GPU NVIDIA dan InfiniBand terbaru hingga 400 Gbps. 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 pengalaman studio terpadu yang mendukung tugas pembelajaran mesin. Buat, latih, dan sebarkan model dengan Jupyter Notebook menggunakan dukungan bawaan untuk kerangka kerja dan pustaka sumber terbuka yang populer. Buat model yang akurat dengan cepat dengan pembelajaran mesin otomatis untuk model tabular, teks, dan gambar. Gunakan Visual Studio Code untuk beralih dari pelatihan lokal ke cloud dengan lancar, dan penskalaan otomatis dengan infrastruktur Azure AI, yang didukung oleh platform NVIDIA Quantum-2 InfiniBand.
Berkolaborasi dan menyederhanakan manajemen model dengan MLOps
Sederhanakan penyebaran dan manajemen ribuan model di berbagai 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 di beberapa tim untuk kolaborasi lintas ruang kerja menggunakan registri dan penyimpanan fitur terkelola. Secara berkelanjutan pantau metrik performa model, deteksi penyimpangan data, dan pelatihan ulang pemicu untuk meningkatkan performa model.
Buat solusi tingkat perusahaan di platform hibrid
Prioritaskan keamanan di seluruh siklus hidup pembelajaran mesin menggunakan tata kelola data bawaan di Microsoft Purview. Manfaatkan kemampuan keamanan komprehensif yang mencakup identitas, data, jaringan, pemantauan, dan kepatuhan, semua diuji dan divalidasi oleh Microsoft. Amankan solusi dengan menggunakan kontrol akses berbasis peran kustom, jaringan virtual, enkripsi data, titik akhir privat, dan alamat IP privat. Latih dan sebarkan model di mana saja, dari lokal hingga multicloud, untuk memenuhi persyaratan kedaulatan data. Kelola dengan percaya diri menggunakan kebijakan dan kepatuhan bawaan dengan 60 sertifikasi, termasuk FedRAMP High dan HIPAA.
Gunakan praktik AI yang bertanggung jawab sepanjang siklus hidup
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. Lakukan 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 maupun non-teknis guna melibatkan pemangku kepentingan dan menyederhanakan peninjauan kepatuhan.
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
-
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 Databricks.
-
Penyimpanan fitur
Tingkatkan ketangkasan dalam mengirimkan model Anda dengan membuat fitur dapat ditemukan dan dapat digunakan kembali di beberapa ruang kerja.
-
Notebooks yang kolaboratif
Luncurkan buku catatan Anda di Jupyter Notebook atau Visual Studio Code untuk pengalaman pengembangan yang kaya, termasuk debug dan dukungan untuk kontrol sumber Git.
-
Pembelajaran mesin otomatis
Buat model yang akurat dengan cepat untuk klasifikasi, regresi, perkiraan rangkaian waktu, tugas pemrosesan bahasa alami, dan tugas visual komputer dengan pembelajaran mesin otomatis .
-
AI yang bertanggung jawab
Buat solusi AI yang bertanggung jawab dengan kemampuan interpretasi. Nilai kelayakan model melalui metrik disparitas dan memitigasi ketidaklayakan.
-
Registri
Gunakan repositori di seluruh organisasi untuk menyimpan dan berbagi model, alur, komponen, dan himpunan data di beberapa ruang kerja. Ambil silsilah dan atur data menggunakan fitur jejak audit.
-
Titik akhir terkelola
Gunakan titik akhir terkelola untuk mengoperasikan penyebaran dan penskoran model, metrik log, dan melakukan peluncuran model aman.
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 dengan 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
Sumber daya Azure Machine Learning
Tutorial tingkat lanjut
Latih model pembelajaran mesin
Menyetel model dengan hyperparameter
Alur pembelajaran mesin dengan SDK Python
Melatih model klasifikasi tanpa kode
Melatih model regresi tanpa kode menggunakan desainer
Memantau dan menganalisis pekerjaan di studio
Manajemen model, penyebaran, dan pemantauan
Buat dan operasikan solusi pembelajaran mesin
IDC MarketScape: Penilaian Vendor MLOps 2022
Pelajari cara organisasi perusahaan di seluruh industri menggunakan MLOps untuk mengatasi tantangan penerapan AI dan teknologi pembelajaran mesin.
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 Dampak Ekonomi Total Forrester
Studi Forrester Consulting Total Economic ImpactTM , yang ditugaskan oleh Microsoft, meneliti potensi laba atas investasi yang dapat diwujudkan perusahaan dengan Azure Machine Learning.
Laporan resmi solusi Pembelajaran Mesin
Pelajari cara membuat solusi pembelajaran mesin yang lebih aman, dapat diskalakan, dan merata.
Laporan resmi AI yang bertanggung jawab
Baca tentang alat dan metode untuk lebih memahami, melindungi, dan mengontrol model Anda.
Laporan resmi 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.
-
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.