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 intelligenza artificiale responsabile.
Produttività per tutti i livelli di competenza con una finestra di progettazione con trascinamento della selezione incentrata sul codice e Machine Learning automatizzato
Funzionalità MLOps solide che si integrano con i processi DevOps esistenti e contribuiscono alla gestione del ciclo di vita completo di Machine Learning
Equità all'avanguardia e interpretabilità dei modelli per la creazione di soluzioni di intelligenza artificiale responsabili, con sicurezza avanzata e gestione dei costi per governance e controllo di qualità elevata
Supporto di qualità elevatissima per framework e linguaggi open source, tra cui MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python e R
Migliora la produttività e accedi a 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. Usa la finestra di progettazione senza codice per iniziare oppure usa notebook Jupyter predefiniti per un'esperienza incentrata sul codice. Accelera la creazione dei modelli con l'interfaccia utente di Machine Learning automatizzato e accedi alla progettazione predefinita di funzionalità, alla selezione di algoritmi e alla selezione degli algoritmi per sviluppare modelli altamente accurati.
Ottieni l'operatività su larga scala con funzionalità solide 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 intelligenza artificiale responsabili
Accedi a tecnologia all'avanguardia per ottenere equità e trasparenza dei modelli di Machine Learning. Usa l'interpretabilità dei modelli per ottenere spiegazioni sulle stime per migliorare la comprensione del comportamento dei modelli. Riduci la distorsione dei modelli applicando metriche comuni per l'equità, effettuando automaticamente confronti e usando le mitigazioni consigliate.
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, governance e controllo avanzati
- Crea modelli di Machine Learning usando la sicurezza, la conformità e il supporto per rete virtuale di livello aziendale offerti da Azure.
- Proteggi i tuoi asset usando controlli predefiniti per identità, dati e accesso alla rete, inclusi i ruoli personalizzati.
- Limita l'accesso solo alla rete aziendale o applica criteri di sicurezza di Azure.
- Gestisci la governance e i controlli con un audit trail, la quota e la gestione dei costi e un portfolio completo per la conformità.
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
Puoi creare nuovi modelli e archiviare le destinazioni di calcolo, i modelli, le distribuzioni, le metriche e le cronologie di esecuzione sul cloud.
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.
Distribuisci il tuo modello di Machine Learning sul cloud o nei dispositivi perimetrali, monitora le prestazioni e ripeti il training in base alla necessità.
Risorse
Esercitazioni per principianti
Esercitazioni avanzate
Video in primo piano
- Introduzione ad Azure Machine Learning
- Usare Machine Learning automatizzato per creare modelli
- Creare modelli senza codice con la finestra di progettazione di Azure Machine Learning
- MLOps per la gestione del ciclo di vita end-to-end
- Incorporamento di ONNX Runtime nei tuoi modelli
- Interpretabilità e trasparenza dei modelli
- Creazione di modelli con R
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
Dean Riddlesden, Senior Data Scientist, Global Analytics, Walgreens Boots Alliance"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."
Matthieu Boujonnier, Analytics Application Architect and Data Scientist, Schneider Electric"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."
Diana Kennedy, Vice President for IT Strategy, Architecture and Planning, BP"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."
Naeem Khedarun, Principal Software Engineer (AI), ASOS"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."
Phil Harris, Assistant Professor of Physics, MIT"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."
Borrowell aiuta i clienti a migliorare il credito usando l'intelligenza artificiale
La tecnologia di intelligenza artificiale innovativa di Borrowell usa il punteggio relativo ai crediti per fornire raccomandazioni che consentono di migliorare il credito e il benessere finanziario dei propri clienti canadesi.
Aggiornamenti, blog e annunci su Azure Machine Learning
-
ANNUNCIO
Set di dati Open di Azure, ora disponibile in anteprima, offre l'accesso a set di dati personalizzati.
-
AGGIORNAMENTO
Integrazione di Analisi di flusso di Azure con Azure Machine Learning (anteprima)
-
21 gennaio, 2020
MLOps—the path to building a competitive edge
-
5 novembre, 2019
Azure Machine Learning—ML for all skill levels
-
AGGIORNAMENTO
Semplifica i carichi di lavoro di Machine Learning con gli eventi di Azure Machine Learning ora disponibili in Griglia di eventi
-
28 ottobre, 2019
Automated machine learning and MLOps with 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.