Azure Machine Learning

Servizio Machine Learning di livello aziendale per creare e distribuire modelli con maggiore rapidità

Accelera il ciclo di vita end-to-end di Machine Learning

Offri maggiori opportunità agli sviluppatori e ai data scientist con una vasta gamma di esperienze produttive per accelerare la creazione, il training e la distribuzione di modelli di Machine Learning. Accelera il time-to-market e favorisci la collaborazione tra team con MLOps, ovvero DevOps per Machine Learning, leader di settore. Innova su una piattaforma affidabile e sicura, progettata per Machine Learning responsabile.

Machine Learning per qualsiasi livello di competenza

Produttività per tutti i livelli di competenza: scrivi codice con notebook collaborativi predefiniti e un'esperienza Jupyter con un clic, usa la finestra di progettazione con trascinamento della selezione o Machine Learning automatizzato per lo sviluppo accelerato dei modelli.

MLOps end-to-end

Funzionalità MLOps solide che si integrano con i processi DevOps esistenti e contribuiscono alla gestione del ciclo di vita completo di Machine Learning.

Machine Learning responsabile all'avanguardia

Funzionalità di Machine Learning responsabile - Ottieni informazioni sui modelli con interpretabilità ed equità, proteggi i dati con la privacy differenziale e il confidential computing e controlla il ciclo di vita di Machine Learning con audit trail e fogli dati.

Aperta e con interoperabilità

Supporto di qualità elevatissima per framework e linguaggi open source, tra cui MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python e R.

Migliora la produttività con Machine Learning per tutti i livelli di competenza

Crea e distribuisci rapidamente i modelli di Machine Learning usando strumenti che soddisfano le tue esigenze, indipendentemente dal livello di competenza. Accedi a notebook predefiniti in Studio con un'esperienza Jupyter con un clic. Crea rapidamente risorse di calcolo nei notebook e cambia con facilità le risorse di calcolo e i kernel. Usa le funzionalità di IntelliSense e di modifica del codice nei notebook e condividi e collabora con il tuo team. Usa la finestra di progettazione senza codice per iniziare a usare Machine Learning o accelera la creazione di modelli con Machine Learning automatizzato e accedi alla progettazione predefinita di funzionalità, alla selezione di algoritmi e all'organizzazione degli iperparametri per sviluppare modelli altamente accurati.

Ottieni l'operatività su larga scala con funzionalità per MLOps

MLOps, o DevOps per Machine Learning, semplifica il ciclo di vita di Machine Learning, dalla creazione di modelli alla distribuzione e alla gestione dei modelli. Usa le pipeline di Machine Learning per creare flussi di lavoro ripetibili e usa un registro di modelli avanzato per tenere traccia dei tuoi asset. Gestisci la produzione di flussi di lavoro su larga scala usando avvisi avanzati e funzionalità di automazione di Machine Learning. Profila, convalida e distribuisci modelli di Machine Learning ovunque, dal cloud ai dispositivi perimetrali, per gestire i flussi di lavoro di Machine Learning di produzione su larga scala con un approccio di livello aziendale.

Crea soluzioni di Machine Learning responsabili

Accedi a funzionalità all'avanguardia per Machine Learning responsabile per comprendere, proteggere e controllare i dati, i modelli e i processi. Spiega il comportamento dei modelli durante il training e l'inferenza e crea in modo da assicurare l'equità grazie al rilevamento e alla mitigazione della distorsione dei modelli. Mantieni la privacy dei dati nell'intero ciclo di vita di Machine Learning con tecniche di privacy differenziale e usa il confidential computing per proteggere gli asset di Machine Learning. Gestisci automaticamente audit trail, verifica la derivazione e usa fogli dati dei modelli per abilitare la responsabilità.

Innova su una piattaforma aperta e flessibile

Ottieni supporto predefinito per strumenti e framework open source per il training di modelli e l'inferenza di Machine Learning. Usa framework noti come PyTorch, TensorFlow e scikit-learn oppure il formato ONNX open source con interoperabilità. Scegli gli strumenti di sviluppo che soddisfano al meglio le tue esigenze, tra cui gli IDE più diffusi, i notebook Jupyter e le interfacce della riga di comando oppure linguaggi come Python e R. Usa ONNX Runtime per ottimizzare e accelerare l'inferenza tra dispositivi cloud e perimetrali.

Sicurezza e governance avanzate

  • Ottieni la sicurezza completa e crea su un cloud affidabile con Azure.
  • Proteggi l'accesso alle risorse con l'accesso granulare in base al ruolo, ruoli personalizzati e meccanismi predefiniti per l'autenticazione dell'identità.
  • Crea, esegui il training e distribuisci modelli in modo sicuro isolando la rete con reti virtuali e collegamenti privati.
  • Gestisci la governance con criteri, audit trail, quote e gestione dei costi.
  • Semplifica la conformità con un portfolio completo che include 60 certificazioni, tra cui FedRAMP High e DISA IL5.

Funzionalità essenziali per i servizi

Notebook collaborativi

Notebook predefiniti con esperienza Jupyter con un clic. Aumenta al massimo la produttività con Intellisense, la creazione e il passaggio semplice tra risorse di calcolo e kernel e la modifica offline dei notebook.

Machine Learning automatizzato

Crea rapidamente modelli accurati per la classificazione, la regressione e le previsioni delle serie temporali. Usa l'interpretabilità del modelli per comprendere il modo in cui è stato creato il modello.

Machine Learning con trascinamento della selezione

Usa la finestra di progettazione con moduli per trasformazione dei dati, training dei modelli e valutazione o per creare e pubblicare pipeline di Machine Learning con pochi clic.

Etichettatura dei dati

Prepara rapidamente i dati, gestisci e monitora i progetti di etichettatura e automatizza le attività iterative con etichettatura assistita da Machine Learning.

MLOps

Usa il registro centrale per archiviare e rilevare dati, modelli e metadati. Acquisisci automaticamente i dati relativi a derivazione e governance. Usa Git per tenere traccia del lavoro e GitHub Actions per implementare i flussi di lavoro. Gestisci e monitora le esecuzioni o confronta più esecuzioni per il training e la sperimentazione.

Scalabilità automatica per le risorse di calcolo

Usa il le risorse di calcolo gestite per distribuire il training e testare, convalidare e distribuire rapidamente i modelli. I cluster di CPU e GPU possono essere condivisi in un'area di lavoro e dimensionati automaticamente per soddisfare le tue esigenze di Machine Learning.

Integrazione di RStudio

Supporto predefinito per R e integrazione con RStudio Server (Open Source Edition) per creare e distribuire modelli e monitorare le esecuzioni.

Integrazione profonda con altri servizi di Azure

Accelera la produttività con l'integrazione predefinita con servizi di Azure quali Azure Synapse Analytics, Ricerca cognitiva, Power BI, Azure Data Factory, Azure Data Lake e Azure Databricks.

Apprendimento per rinforzo

Dimensiona l'apprendimento per rinforzo fino a cluster di elaborazione potenti, supporta scenari con più agenti, accedi ad algoritmi, framework e ambienti di apprendimento per rinforzo open source.

Machine Learning 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. Proteggi i dati con la privacy differenziale.

Sicurezza di livello aziendale

Crea e distribuisci modelli in modo sicuro con funzionalità quali isolamento rete e Collegamento privato, controllo degli accessi in base al ruolo per risorse e azioni, ruoli personalizzati e identità gestita per le risorse di calcolo.

Gestione dei costi

Migliora la gestione delle allocazioni delle risorse per l'ambiente di calcolo di Azure Machine Learning con limiti di quota a livello di area di lavoro e risorsa.

Paga solo per le risorse che ti servono, senza costi iniziali

Per informazioni dettagliate, passa alla pagina dei prezzi di Azure Machine Learning.

Come usare Azure Machine Learning

Passa all'esperienza Web per lo studio

Compilazione e training

Distribuisci e gestisci

Passaggio 1 di 1

Puoi creare nuovi modelli e archiviare le destinazioni di calcolo, i modelli, le distribuzioni, le metriche e le cronologie di esecuzione sul cloud.

Passaggio 1 di 1

Usa le funzionalità automatizzate di Machine Learning per identificare algoritmi e iperparametri e tenere traccia degli esperimenti sul cloud. Puoi anche creare modelli usando i notebook o la finestra di progettazione con trascinamento della selezione.

Passaggio 1 di 1

Distribuisci il tuo modello di Machine Learning sul cloud o nei dispositivi perimetrali, monitora le prestazioni e ripeti il training in base alla necessità.

Inizia subito a usare Azure Machine Learning

Ottieni l'accesso immediato e $200 di credito iscrivendoti per ottenere un account Azure gratuito.

Accedi al portale di Azure.

Clienti che usano Azure Machine Learning

"The model we deployed on Azure Machine Learning helped us choose the three new retail locations we opened in 2019. Those stores exceeded their revenue plans by over 200 percent in December, the height of our season, and within months of opening were among the best-performing stores in their districts."

Jolie Vitale: Director of BI and Analytics, Carhartt
Carhartt

Scandinavian Airlines

Grazie ad Azure Machine Learning, SAS può identificare in modo accurato gli illeciti con una precisione che non era possibile tramite i metodi manuali. Nel caso della registrazione retroattiva di un volo per miglia EuroBonus, una fonte diffusa di illeciti, il nuovo sistema previene gli illeciti con un'accuratezza del 99%.

Scandinavian Airlines

"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, Senior Data Scientist, Global Analytics, Walgreens Boots Alliance
Walgreens Boots Alliance

"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."

Alex Mohelsky: Partner and Advisory Data, Analytic, and AI Leader, EY Canada
EY

"The automated machine learning capabilities in Azure Machine Learning save our data scientists from doing a lot of time-consuming work, which reduces our time to build models from several weeks to a few hours."

Xiaodong Wang: Chief Executive Officer, TalentCloud
TalentCloud

Aggiornamenti, blog e annunci su Azure Machine Learning

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 offre una disponibilità al 99,9%.
  • Lo studio di Azure Machine Learning è la risorsa di primo livello per il servizio Machine Learning. 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.

Possiamo iniziare quando vuoi a configurare il tuo account Azure gratuito