Modelli di Machine Learning critici per l'azienda su larga scala
Azure Machine Learning consente a data scientist e sviluppatori di creare, distribuire e gestire modelli di alta qualità in modo più rapido e sicuro. Accelera il time-to-value con le operazioni di Machine Learning (MLOps) leader di settore, l'interoperabilità open source e gli strumenti integrati. Questa piattaforma attendibile è progettata per applicazioni di intelligenza artificiale responsabili in Machine Learning.
Sviluppo e training rapidi di modelli, con strumenti integrati e supporto di un'infrastruttura di intelligenza artificiale scalabile progettata appositamente.
Sviluppo di modelli di intelligenza artificiale responsabili con equità e spiegabilità predefinite e utilizzo responsabile per la conformità
Distribuzione, gestione e condivisione di modelli di Ml rapido per la collaborazione tra aree di lavoro e MLOps
Esegui i carichi di lavoro di apprendimento automatico ovunque con governance, sicurezza e conformità predefinite.
Supporto per il ciclo di vita end-to-end di Machine Learning
Etichettatura dei dati
Progetti dell’etichettatura dei dati di training e di gestione dell’etichettatura.
Preparazione dei dati
Usa con i motori di analisi per l'esplorazione e la preparazione dei dati.
Set di dati
Accedi ai dati e creare e condividere set di dati.
Notebook
Usa notebook di Jupyter collaborativi con risorse di calcolo collegate.
Funzionalità automatizzate di Machine Learning
Esegui automaticamente il training e ottimizzare modelli accurati.
Finestra di progettazione con trascinamento della selezione
Progetta con un'interfaccia di sviluppo con trascinamento della selezione.
Esperimenti
Esegui esperimenti e creare e condividere dashboard personalizzati.
Interfaccia della riga di comando e Python SDK
Accelera il processo di training del modello aumentando e aumentando le prestazioni nel calcolo di Azure.
Visual Studio Code e GitHub
Usa strumenti familiari e passa facilmente dal training locale al cloud.
Istanza di calcolo
Sviluppa in un ambiente gestito e sicuro con CPU cloud, GPU e cluster di supercomputing scalabili in modo dinamico.
Librerie e framework open source
Ottieni il supporto predefinito per Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib e altro ancora.
Endpoint gestiti
Distribuisci modelli per l'inferenza batch e in tempo reale in modo semplice e rapido.
Pipeline e CI/CD
Automatizza i flussi di lavoro di Machine Learning.
Immagini predefinite
Accedi alle immagini del contenitore con framework e librerie per l'inferenza.
Repository modelli
Condividi e tieni traccia di modelli e dati.
Soluzioni ibride e multicloud
Esegui il training e la distribuzione di modelli in locale e in ambienti multi-cloud.
Ottimizza i modelli
Accelera il training e l'inferenza e riduci i costi con ONNX Runtime.
Monitoraggio e analisi
Tieni traccia, registra e analizza dati, modelli e risorse.
Deriva dei dati
Rileva la deriva e mantieni l'accuratezza del modello.
Analisi degli errori
Esegui il debug dei modelli e ottimizza l'accuratezza del modello.
Controllo
Traccia gli artefatti di Machine Learning per la conformità.
Criteri
Usa criteri predefiniti e personalizzati per la gestione della conformità.
Sicurezza
Sfrutta il monitoraggio continuo con Centro sicurezza di Azure.
Controllo dei costi
Applica la gestione delle quote e l'arresto automatico.
Azure Machine Learning per Deep Learning
Piattaforma end-to-end gestita
Semplifica l'intero ciclo di vita di Deep Learning e la gestione dei modelli con funzionalità MLOps native. Esegui Machine Learning ovunque in modo sicuro grazie a una protezione di livello aziendale. Mitiga le distorsioni dei modelli e valuta i modelli con il dashboard di intelligenza artificiale responsabile.
Tutti gli strumenti e i framework di sviluppo
Crea modelli di Deep Learning con i tuoi IDE preferiti da Visual Studio Code a Jupyter Notebooks e nel framework che preferisci con PyTorch e TensorFlow. Azure Machine Learning si integra con ONNX Runtime e DeepSpeed per ottimizzare il training e l'inferenza.
Prestazioni di qualità elevata
Sfrutta l'infrastruttura di intelligenza artificiale progettata appositamente per combinare le GPU NVIDIA più recenti e le interconnessioni InfiniBand fino a 200 GB/s. Aumenta le prestazioni fino a disporre di migliaia di GPU all'interno di un singolo cluster con scalabilità senza precedenti.
Accelera il time-to-value con lo sviluppo rapido di modelli
Migliora la produttività con la funzionalità studio, un'esperienza di sviluppo che supporta tutte le attività di Machine Learning, per creare, eseguire il training e distribuire modelli. Collabora con Jupyter Notebook usando il supporto predefinito per i framework e le librerie open source più diffusi. Crea rapidamente modelli accurati conMachine Learning automatizzato per modelli tabulari, di testo e di immagini usando la progettazione delle funzionalità e lo sweep degli iperparametri. Usa Visual Studio Code per passare senza problemi al training da locale a cloud e scalabilità automatica con potenti cluster di CPU e GPU basati sul cloud con tecnologia della rete NVIDIA Quantum InfiniBand.
Ottieni l'operatività su larga scala con funzionalità per MLOps
Semplifica la distribuzione e la gestione di migliaia di modelli in più ambienti usando MLOps. Accelera la distribuzione e l'assegnazione di un punteggio ai modelli grazie a endpoint completamente gestiti per previsioni in batch e in tempo reale. Usa pipeline ripetibili per automatizzare i flussi di lavoro per integrazione continua e recapito continuo (CI/CD). Condividi e individua artefatti di Machine Learning tra più team per la collaborazione tra aree di lavoro usando i registri. Monitora continuamente le metriche relative alle prestazioni dei modelli, rileva la deriva dei dati e attiva la ripetizione del training per migliorare le prestazioni dei modelli.
Offri soluzioni di apprendimento automatico responsabili
Valuta i modelli di Machine Learning con flussi di lavoro riproducibili e automatizzati per valutare l'equità dei modelli, la spiegabilità, l'analisi degli errori, l'analisi causale, le prestazioni del modello e l'analisi esplorativa dei dati. Effettua interventi reali con l'analisi causale nel dashboard di intelligenza artificiale responsabile e genera una scorecard in fase di distribuzione. Contestualizza le metriche di intelligenza artificiale responsabili per i destinatari tecnici e non tecnici per coinvolgere gli stakeholder e semplificare la revisione della conformità.
Innova in una piattaforma ibrida più sicura e conforme
Aumenta la sicurezza nel ciclo di vita di Machine Learning con funzionalità complete che includono identità, dati, rete, monitoraggio e conformità. Proteggi le soluzioni usando il controllo degli accessi in base al ruolo personalizzato, le reti virtuali, la crittografia dei dati, gli endpoint privati e gli indirizzi IP privati. Esegui il training e distribuisci modelli in locale per soddisfare i requisiti di sovranità dei dati. Gestisci con criteri predefiniti e semplifica la conformità con 60 certificazioni, tra cui FedRAMP High e HIPAA.
Sviluppa le tue competenze a livello di Machine Learning con Azure
Scopri di più su Machine Learning in Azure e partecipa a esercitazioni pratiche con un percorso di apprendimento di 30 giorni. Al termine, sarai pronto a ottenere la certificazione associata di Azure Scienziato dei dati.
Funzionalità chiave del servizio per l'intero ciclo di vita di Machine Learning
-
Etichettatura dei dati
Crea, gestisci e monitora i progetti di etichettatura e automatizza le attività iterative con etichettatura assistita da Machine Learning.
-
Preparazione dei dati
Esegui rapidamente l'iterazione della preparazione dei dati su larga scala nei cluster Apache Spark all'interno di Azure Machine Learning, interoperativo con Azure Synapse Analytics.
-
Notebook collaborativi
Aumenta al massimo la produttività con IntelliSense, il passaggio semplice tra risorse di calcolo e kernel e la modifica offline dei notebook. Avvia il tuo notebook in Visual Studio Code per un'esperienza di sviluppo avanzata, che include debug sicuro e supporto per il controllo del codice sorgente Git.
-
Funzionalità automatizzate di Machine Learning
Crea rapidamente modelli accurati per la classificazione, la regressione, la previsione di serie temporali, le attività di elaborazione del linguaggio naturale e le attività di visione artificiale. Usa l'interpretabilità del modelli per comprendere il modo in cui è stato creato il modello.
-
Machine Learning con trascinamento della selezione
Usa gli strumenti di Machine Learning, tra cui la finestra di progettazione per trasformazione dei dati, il training dei modelli e la valutazione o per la semplificazione della creazione e pubblicazione di pipeline di Machine Learning.
-
Apprendimento per rinforzo
Ridimensiona l'apprendimento per rinforzo a potenti cluster di calcolo, supporta scenari con più agenti e accedi ad algoritmi, framework e ambienti open source per l'apprendimento per rinforzo.
-
Building responsabile
Ottieni la trasparenza dei modelli durante il training e l'inferenza con le funzionalità di interpretazione. Valuta l'equità dei modelli tramite metriche di disparità e attenua la mancanza di equità. Migliora l'affidabilità dei modelli e identifica e diagnostica gli errori dei modelli con il toolkit di analisi degli errori. Contribuisci alla protezione dei dati con la privacy differenziale.
-
Sperimentazione
Gestisci e monitora le esecuzioni o confronta più esecuzioni per il training e la sperimentazione. Crea dashboard personalizzati e condividili con il team.
-
Registri
Usa repository a livello di organizzazione per archiviare e condividere modelli, pipeline, componenti e set di dati in più aree di lavoro. Acquisisci automaticamente i dati di derivazione e governance usando la funzionalità audit trail.
-
Git e GitHub
Usa l'integrazione Git per tenere traccia del lavoro e del supporto GitHub Actions per implementare flussi di lavoro di Machine Learning.
-
Endpoint gestiti
Usa gli endpoint gestiti per rendere operativa la distribuzione e l'assegnazione di punteggi ai modelli e le metriche dei log e per eseguire implementazioni sicure dei modelli.
-
Scalabilità automatica per le risorse di calcolo
Usa i supercomputer di intelligenza artificiale creati appositamente per distribuire la formazione di Deep Learning e per testare, convalidare e distribuire rapidamente i modelli. Condividi cluster di CPU e GPU in un'area di lavoro e dimensionali automaticamente per soddisfare le tue esigenze di Machine Learning.
-
Interoperabilità con altri servizi di Azure
Accelera la produttività con Microsoft Power BI e servizi come Azure Synapse Analytics, Ricerca cognitiva di Azure, Azure Data Factory, Azure Data Lake, Azure Arc, Centro sicurezza di Azure e Azure Databricks.
-
Supporto per ambienti ibridi e multi-cloud
Esegui Machine Learning su cluster Kubernetes esistenti in ambienti locali e multi-cloud e nei dispositivi perimetrali con Azure Arc. Usa il semplice agente di Machine Learning per avviare il training dei modelli in modo più sicuro, ovunque si trovino i dati.
-
Sicurezza di livello enterprise
Crea e distribuisci modelli in modo più sicuro con funzionalità di isolamento rete e IP privato end-to-end, controllo degli accessi in base al ruolo per risorse e azioni, ruoli personalizzati e identità gestita per le risorse di calcolo.
-
Gestione dei costi
Riduci i costi IT e gestisci meglio le allocazioni delle risorse per le istanze di calcolo, con limiti di quota a livello di area di lavoro e risorse e arresto automatico.
Sicurezza e conformità complete, predefinite
-
Microsoft investe più di 1 miliardo di USD in ricerca e sviluppo per cybersecurity.
-
I nostri dipendenti includono più di 3.500 esperti di sicurezza dedicati alla sicurezza e alla privacy dei dati.
-
Azure ha ottenuto più certificazioni che qualsiasi altro provider di servizi cloud. Visualizza l'elenco completo.
-
Paga solo per le risorse che ti servono, senza costi iniziali
Inizia con un account gratuito di Azure
1
2
Dopo l'esaurimento del credito, passa alla modalità con pagamento in base al consumo per continuare a usare gli stessi servizi gratuiti. Dovrai pagare solo se superi le quantità mensili gratuite.
3
Crea nuovi modelli e archivia le destinazioni di calcolo, i modelli, le distribuzioni, le metriche e le cronologie di esecuzione sul cloud.
Usa le funzionalità di Machine Learning automatizzato per identificare algoritmi e iperparametri e tenere traccia degli esperimenti sul cloud. Crea modelli usando i notebook o la finestra di progettazione con trascinamento della selezione.
Distribuisci il tuo modello di Machine Learning sul cloud o nei dispositivi perimetrali, monitora le prestazioni e ripeti il training in base alla necessità.
Clienti che usano Azure Machine Learning
"La nostra missione è provare nuove idee e andare oltre per differenziare AXA UK da altre compagnie assicurative. Gli endpoint gestiti in Azure Machine Learning vengono considerati un fattore chiave per il nostro obbiettivo digitale."
Marc Diks, Chief Information Officer, Allego
"I clienti si aspettano informazioni tempestive e accurate sui pacchetti e un'esperienza di recapito basata sui dati. Stiamo aiutando FedEx a rimanere all'avanguardia con Azure Machine Learning e stiamo creando competenze per progetti futuri."
Bikram Virk, Product Manager, AI and Machine Learning, FedEx
"Poiché più gruppi si affidano alla soluzione Azure Machine Learning, i nostri esperti finanziari possono concentrarsi maggiormente sulle attività di livello superiore e dedicare meno tempo alla raccolta e all'input manuali dei dati."
Jeff Neilson, Data Science Manager, 3M
i
"Con Azure Machine Learning, è possibile mostrare al paziente un punteggio di rischio altamente personalizzato in base alle singole circostanze. …In definitiva, l'obiettivo è ridurre i rischi, ridurre l'incertezza e migliorare i risultati della diagnostica."
Il docente Mike Reed, Direttore clinico, Traumatologia & Ortopedica, Northumbria Healthcare NHS Foundation Trust
1
"Abbiamo usato le funzionalità MLOps in Azure Machine Learning per semplificare l'intero processo di Machine Learning. In questo modo è possibile concentrarsi maggiormente sulle data science e consentire Azure Machine Learning di gestire l'operazionalizzazione end-to-end."
Michael Cleavinger, Senior Director of Shopper Insights, Data Science, and Advanced Analytics, PepsiCo
.
"L'uso delle funzionalità automatizzate di Machine Learning di Azure Machine Learning per la creazione di modelli di Machine Learning ci ha permesso di realizzare un ambiente in cui è possibile creare e sperimentare vari modelli da più prospettive."
Keiichi Sawada, divisione trasformazione aziendale, Seven Bank
Risorse di Azure Machine Learning
Esercitazioni per principianti
Inizia a usare Machine Learning e Python SDK
Inizia a usare i notebook Jupyter
Inizia a usare Machine Learning automatizzato
Usa lo strumento di progettazione per Machine Learning con trascinamento della selezione
Esegui il training dei modelli con l'interfaccia della riga di comando
Esegui il training di un modello con l'estensione di Visual Studio Code
Esercitazioni avanzate
Esegui il training e distribuisci modelli di Machine Learning automatizzato
Esplora esempi di MLOps in GitHub
Usa lo strumento di progettazione per la previsione
Interpreta e spiega modelli di Machine Learning
Interpreta e spiega modelli di Machine Learning automatizzato
Usa Python SDK per Machine Learning automatizzato
Usa l'interfaccia utente di Machine Learning automatizzato
Esegui automaticamente il training dei modelli di serie temporali
Esegui automaticamente il training di un modello di rilevamento oggetti
Esegui automaticamente il training di un modello di elaborazione del linguaggio naturale
Video in primo piano
Immagini Docker predefinite per l'inferenza
Esegui Machine Learning ovunque
Democratizza l'intelligenza artificiale con la progettazione Machine Learning
Scopri come essere un professionista di Machine Learning
Notebook di studio di Azure Machine Learning
Gestisci asset, artefatti e codice
Guida per come diventare esperto Azure Machine Learning
Scopri le tecniche di esperti per la creazione di pipeline e modelli di Machine Learning end-to-end automatizzati e altamente scalabili in Azure usando TensorFlow, Spark e Kubernetes.
Rapporto ufficiale di progettazione di MLOps
Scopri un approccio sistematico per la creazione, la distribuzione e il monitoraggio di soluzioni di apprendimento automatico con MLOps. Crea, testa e gestisci rapidamente cicli di vita di Machine Learning pronti per la produzione su larga scala.
Leggi lo studio Total Economic Impact™ di Forrester
Lo studio Total Economic Impact™ (TEI) di Forrester Consulting commissionato da Microsoft, esamina il potenziale ritorno sugli investimenti che le aziende possono realizzare grazie ad Azure Machine Learning.
Rapporto ufficiale Soluzioni di Machine Learning
Scopri come creare soluzioni sicure, scalabili e avanzate.
Rapporto ufficiale Intelligenza artificiale responsabile
Informazioni su strumenti e metodi per comprendere, proteggere e controllare i modelli.
Rapporto ufficiale su MLOps (Machine Learning Operations)
Accelera il processo di creazione, training e distribuzione di modelli su larga scala.
Rapporto ufficiale Machine Learning abilitato per Azure Arc
Informazioni su come creare, eseguire il training e distribuire modelli in qualsiasi infrastruttura.
Domande frequenti su Azure Machine Learning
-
Il servizio è disponibile a livello generale in diversi paesi/aree geografiche, in continuo aumento.
-
Il contratto di servizio per Azure Machine Learning è del 99,9% di tempo di attività.
-
Lo studio di Azure Machine Learning è la risorsa di primo livello per Machine Learning. Questa funzionalità fornisce una posizione centralizzata per consentire a data scientist e sviluppatori di usare tutti gli artefatti per la creazione, il training e la distribuzione di modelli di Machine Learning.