Gå til hovedinnhold

Azure Machine Learning

Bruk en tjeneste i organisasjonsklasse for ende-til-ende-livssyklusen til maskinlæring.

Forretningskritiske maskinlæringsmodeller i stor skala

Azure Machine Learning gir dataforskere og utviklere muligheten til å bygge, rulle ut og administrere modeller av høy kvalitet raskere og trygt. Det får fart på tiden det tar å oppnå verdi med bransjeledende maskinlæringsoperasjoner (MLOps), interoperabilitet med åpen kildekode og integrerte verktøy. Denne pålitelige plattformen er utformet for ansvarlige AI-programmer i maskinlæring.

Video container

Rask modellutvikling og -opplæring med integrerte verktøy og støtte for infrastruktur for kunstig intelligens.

Ansvarlig modellutvikling for kunstig intelligens med innebygd rettferdighet og forklaringsevne og ansvarlig bruk for forskriftssamsvar

Rask distribusjon, administrasjon og deling av maskinlæringsmodeller for samarbeid på tvers av arbeidsområder og MLOps

Innebygd styring, sikkerhet og forskriftssamsvar for kjøring av maskinlæringsarbeidsbelastninger hvor som helst

Støtte for maskinlæringslivssyklusen fra ende-til-ende

Datamerking

Merk opplæringsdata og administrer merkingsprosjekter.

Dataforberedelse

Bruk med analysemotorer for datautforsking og forberedelse.

Datasett

Få tilgang til data og opprett og del datasett.

Tilbake til faner

Azure Machine Learning for dyplæring

Administrert ende-til-ende-plattform

Effektiviser hele livssyklusen for dyplæring og administrasjon av modeller, med opprinnelige MLOps-funksjoner. Kjør maskinlæring hvor som helst på en trygg måte, med sikkerhetsløsninger tilpasset store bedrifter. Reduser modellavvik og evaluer modeller med instrumentbordet, for å skape ansvarlig kunstig intelligens.

Alle utviklingsverktøy og rammeverk

Bygg modeller for dyplæring med IDE-er fra Visual Studio Code til Jupyter Notebooks, og i rammeverket du selv velger, med PyTorch og TensorFlow. Azure Machine Learning integreres med ONNX Runtime og DeepSpeed, for å optimalisere opplæringen og følgeslutningen.

Ytelse i verdensklasse

Dra nytte av spesialbygd infrastruktur for kunstig intelligens, som er unikt utformet for å kombinere de nyeste NVIDIA GPU-ene samt Mellanox Networking med InfiniBand-tilkoblinger på opptil 200 GB/s. Skaler opp til tusenvis av GPU-er i én enkelt klynge med enestående skala.

Få fart på tiden det tar å oppnå verdi med rask modellutvikling

Forbedre produktiviteten med studiofunksjonen, en utviklingsopplevelse som støtter alle maskinlæringsoppgaver, for å bygge, opplære og idriftsette modeller. Samarbeid med Jupyter-notatblokker ved hjelp av innebygd støtte for populære rammeverk og biblioteker med åpen kildekode. Opprett nøyaktige modeller kjapt med automatisert maskinlæring for tabulære, tekst- og bildemodeller ved bruk av funksjonsteknikk og hyperparameterrydding. Bruk Visual Studio Code for å gå fra lokal opplæring til skyopplæring på en enkelt måte, og autoskaler med kraftige skybaserte CPU- og GPU-klynger, som drives av NVIDIA Quantum InfiniBand-nettverk.

Et datasamlebånd med MLOps

Skalert iverksetting med MLOps

Effektiviser utrullingen og administrasjonen av tusenvis av modeller i flere miljøer ved å bruke MLOps. Rull ut og vurder modeller raskere med totaladministrerte endepunkt for parti- og sanntidsprediksjoner. Bruk repeterbare datasamlebånd til å automatisere arbeidsflyter for kontinuerlig integrering og kontinuerlig levering (CI/CD). Del og oppdag maskinlæringsartefakter på tvers av flere team for samarbeid på tvers av arbeidsområder ved hjelp av registre. Overvåk måledata for modellytelse kontinuerlig, oppdag datadrift og utløs ny opplæring for å forbedre modellytelsen.

Lever ansvarlige maskinlæringsløsninger

Evaluer maskinlæringsmodeller med reproduserbare og automatiserte arbeidsflyter for å vurdere modellrettferdighet, forklaring, feilanalyse, årsaksanalyse, modellytelse og utforskingsbasert dataanalyse. Foreta reelle inngrep med årsaksanalyse i det ansvarlige AI-instrumentbordet og generer en målstyring på distribusjonstidspunktet. Kontekstualiser ansvarlige måledata for kunstig intelligens for både tekniske og ikke-tekniske målgrupper for å involvere interessenter og strømlinjeforme gjennomgang av forskriftssamsvar.

Et diagram som beskriver aggregert funksjonsviktighet for et datasett i Azure Machine Learning
En liste over policydefinisjoner

Innover på en hybridplattform som er sikrere og har bedre samsvar med forskriftene

Øk sikkerhet gjennom maskinlæringslivssyklusen med omfattende funksjoner som omfatter identitet, data, nettverk, overvåking og samsvar. Sikre løsninger som bruker egendefinert rollebasert tilgangskontroll, virtuelle nettverk, datakryptering, private endepunkter og private IP-adresser. Lær opp og rull ut modeller lokalt for å oppfylle krav til datasuverenitet. Styr med innebygde policyer og strømlinjeform samsvar med 60 sertifiseringer, inkludert FedRAMP High og HIPAA.

Utvikle maskinlæringskompetansen din med Azure

Få mer informasjon om maskinlæring i Azure og delta i praktiske opplæringer med en 30-dagers opplæringsreise. Til slutt er du klar for å ta sertifiseringen Azure Data Scientist Associate.

En person som jobber på en bærbar datamaskin i et konferanserom

Viktige tjenestefunksjonaliteter for hele maskinlæringslivssyklusen

  • Datamerking

    Opprett, administrer og overvåk merkingsprosjekter og automatiser gjentatte oppgaver med maskinlæringsassistert merking.

  • Dataforberedelse

    Iterer kjapt dataforberedelse i stor skala på Apache Spark-klynger i Azure Machine Learning, som er interoperabel med Azure Synapse Analytics.

  • Samarbeidsbaserte notatblokker

    Maksimer produktiviteten med IntelliSense, enkel databehandling og kjernebytting samt notatbokredigering uten nett. Start notatboken din i Visual Studio Code for å få en rikholdig utviklingsopplevelse, inkludert sikker feilsøking og støtte for Git-kildekontroll.

  • Automatisert maskinlæring

    Opprett raskt nøyaktige modeller for klassifisering, regresjon, tidsserieprognoser, naturlige språkbehandlingsoppgaver og oppgaver for visuelt innhold. Bruk modelltolking for å forstå hvordan modellen ble bygd.

  • Dra og slipp-basert maskinlæring

    Bruk maskinlæringsverktøy som utforming til datatransformasjon, modellopplæring og evaluering, eller til enkelt å opprette og publisere datasamlebånd for maskinlæring.

  • Forsterkningsopplæring

    Skaler forsterkende læring til kraftige databehandlingsklynger, støtt scenarioer med flere agenter, og få tilgang til algoritmer, strukturer og miljøer med åpen kildekode for forsterkende læring.

  • Ansvarlig bygging

    Få modellgjennomsiktighet ved læring og følgeslutning med tolkingsfunksjonalitet. Vurder modellrettferdighet gjennom forskjellsmåledata, og reduser urettferdighet. Gjør modellens pålitelighet bedre, og identifiser og diagnostiser modellfeil med verktøysettet for feilanalyse. Bidra til å beskytte data med differensiert personvern.

  • Eksperimentering

    Administrer og overvåk kjøringer, eller sammenlign flere kjøringer for læring og eksperimentering. Opprett egendefinerte instrumentbord og del dem med teamet ditt.

  • Registre

    Bruk repositorier for hele organisasjonen til å lagre og dele modeller, datasamlebånd, komponenter og datasett på tvers av flere arbeidsområder. Hent avstammings- og styringsdata automatisk med ved hjelp av funksjonen for revisjonssporing.

  • Git og GitHub

    Bruk Git-integrasjon til å spore arbeid og GitHub Actions-støtte til å implementere maskinlæringsarbeidsflyter.

  • Administrerte endepunkter

    Bruk administrerte endepunkter til å operasjonalisere modelldistribusjon og poenggiving, loggføre måledata og utføre sikre modellutrullinger.

  • Autoskalert databehandling

    Bruk spesialbygde superdatamaskiner for kunstig intelligens, til å distribuere dyplæringstrening og raskt teste, validere og distribuere modeller. Del prosessor- og GPU-klynger i et arbeidsområde, og skaler automatisk for å dekke maskinlæringsbehovene.

  • Interoperer med andre Azure-tjenester

    Få fart på produktiviteten med Microsoft Power BI og tjenester som Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc, Azure Security Center og Azure Databricks.

  • Støtte for hybrid sky og flere skyer

    Kjør maskinlæring på eksisterende Kubernetes-klynger lokalt, i multiskymiljøer og på grensen med Azure Arc. Bruk den enkle maskinlæringsagenten med ett klikk til å starte opplæring av modeller på en sikrere måte, uansett hvor dataene dine befinner seg.

  • Sikkerhet på bedriftsnivå

    Bygg og rull ut modeller på en sikrere måte med nettverksisolering og helhetlig privat IP-funksjonalitet, rollebasert tilgangskontroll for ressurser og handlinger, egendefinerte roller samt administrert identitet for databehandlingsressurser.

  • Kostnadsadministrasjon

    Reduser IT-kostnader og administrere ressurstildelinger for databehandlingsforekomster på en bedre måte, med kvotegrenser for arbeidsområde og ressursnivå og automatisk avslutning.

Omfattende innebygd sikkerhet og forskriftssamsvar

  • Microsoft investerer mer enn 1 milliard USD årlig i forskning og utvikling på cybersikkerhet.

  • Vi har mer enn 3500 sikkerhetseksperter som bare jobber med datasikkerhet og personvern.

  • Azure har flere sertifiseringer enn noen annen skytjenesteleverandør. Se hele listen.

Kom i gang med en gratis Azure-konto

1

Begynn gratis. Få USD 200 i kreditt som du kan bruke innen 30 dager. Mens du har kreditten, får du mange av de mest populære tjenestene våre kostnadsfritt, og over 55 andre tjenester er alltid kostnadsfrie.

2

Etter kreditten kan du gå over til forbruksbasert betaling for å fortsette å utvikle med de samme gratistjenestene. Du betaler bare hvis du bruker mer enn det kostnadsfrie månedlige antallet.

3

Etter 12 måneder får du fortsatt over 55 tjenester som alltid er kostnadsfrie, og du betaler bare for det du bruker utover de kostnadsfrie månedlige mengdene.

Opprett nye modeller, og lagre databehandlingsmålene, modellene, utrullingene, måledataene og kjøringsloggene i skyen.

Tilbake til faner

Kunder som bruker Azure Machine Learning

"Vi prøver stadig ut nye ideer og jobber for å differensiere AXA UK tydelig fra andre forsikringsselskaper. Vi ser administrerte endepunkter i Azure Machine Learning som en viktig tilrettelegger for vår digitale ambisjon."

Nic Bourven, Chief Information Officer, AXA UK

En forelder og et barn som sitter i bagasjerommet i en bil og ser på kameraet og ler

"Kundene forventer nøyaktig informasjon om pakkene sine og en databasert leveringsopplevelse. Vi hjelper FedEx med å holde seg i teten med Azure Machine Learning, og vi bygger ekspertise for fremtidige prosjekter."

Bikram Virk, produktadministrator, kunstig intelligens og maskinlæring, FedEx

To personer som jobber på en fabrikk

"Ettersom flere av gruppene våre er avhengige av Azure Machine Learning-løsningen, kan finanseksperter fokusere mer på oppgaver på høyere nivå og bruke mindre tid på manuell datainnsamling og inndata."

Jeff Neilson, Data Science Manager, 3M

En sveiser som arbeider

i

"Med Azure Machine Learning kan vi vise pasienten en risikopoengsum som er svært skreddersydd til deres individuelle omstendigheter. …Til syvende og sist har vi som mål å redusere risikoen, redusere usikkerheten og forbedre kirurgiske resultater."

Professor Mike Reed, Clinical Director, Trauma & Orthopedics, Northumbria Healthcare NHS Foundation Trust

En medisinsk fagperson som snakker med en pasient

1

"Vi har brukt MLOps-funksjonene i Azure Machine Learning til å forenkle hele maskinlæringsprosessen. Dette gjør at vi kan fokusere mer på datavitenskap og la Azure Machine Learning ta hånd om ende-til-ende-operasjonalisering."

Michael Cleavinger, seniordirektør for datavitenskap om forbrukerinnsikt og avansert analyse, PepsiCo

En arbeider som fyller på et kjøleskap med Pepsi- og Mountain Dew-bokser

.

"Bruk av funksjoner for automatisert maskinlæring i Azure Machine Learning for oppretting av maskinlæringsmodell gjorde det mulig for oss å realisere et miljø der vi kan opprette og eksperimentere med ulike modeller fra flere perspektiver."

Keiichi Sawada, Corporate Transformation Division, Seven Bank

En Seven Bank-plassering
Tilbake til faner
Veildning for mestring av Azure Machine Learning

Veildning for mestring av Azure Machine Learning

Lær deg ekspertteknikker for bygging av automatiserte og svært skalerbare komplette maskinlæringsmodeller og datasamlebånd i Azure ved bruk av TensorFlow, Spark og Kubernetes.

Teknisk dokument for utvikling av MLOps

Teknisk dokument for utvikling av MLOps

Oppdag en systematisk tilnærming til bygging, utrulling og overvåking av maskinlæringsløsninger med MLOps. Bygg, test og administrert produksjonsklare maskinlæringslivssykluser kjapt i stor skala.

Forrester Total Economic ImpactTM (TEI)-studie

Forrester Total Economic ImpactTM (TEI)-studie

Studien fra Forrester Consulting Total Economic ImpactTM (TEI), bestilt av Microsoft, undersøker den potensielle investeringsavkastningen (ROI) som organisasjoner kan realisere med Azure Machine Learning.

Teknisk dokument om maskinlæringsløsninger

Teknisk dokument om maskinlæringsløsninger

Finn ut hvordan du bygger sikre, skalerbare og likeverdige løsninger.

Teknisk dokument om ansvarlig kunstig intelligens

Teknisk dokument om ansvarlig kunstig intelligens

Les om verktøy og metoder for å forstå, beskytte og kontrollere modellene dine.

Teknisk dokument om maskinlæringsoperasjoner (MLOps)

Teknisk dokument om maskinlæringsoperasjoner (MLOps)

Få fart på prosessen med å bygge, lære opp og rulle ut modeller i stor skala.

Teknisk dokument for Azure Arc-aktivert maskinlæring

Teknisk dokument for Azure Arc-aktivert maskinlæring

Finn ut hvordan du bygger, lærer opp og ruller ut modeller i hvilken som helst infrastruktur.

 

Vanlige spørsmål om Azure Machine Learning

  • Tjenesten er generelt tilgjengelig i flere land/områder, og mer er på vei.

  • Serviceavtalen (SLA) for Azure Machine Learning er 99,9 prosent oppetid.

  • Azure Machine Learning Studio er en ressurs for maskinlæring på øverste nivå. Denne funksjonaliteten gir dataforskere og utviklere et sentralisert sted å jobbe med artefaktene for bygging, opplæring og utrulling av maskinlæringsmodeller.

Når du er klar, konfigurerer vi en gratis Azure-konto for deg

Prøv Azure Machine Learning gratis

Chat med salgsavdelingen