Trace Id is missing
Gå til hovedinnhold

Azure Machine Learning

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

Bygg 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 for AI-læring er utformet for ansvarlige AI-programmer i maskinlæring.

Video container

Få nytteverdi raskere

Bygg maskinlæringsmodeller som utnytter kraftig infrastruktur for kunstig intelligens og organiser arbeidsflyter for kunstig intelligens med ledetekstflyt.

Samarbeid og effektiviser MLOps

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

Utvikle med trygghet

Innebygd styring, sikkerhet og forskriftssamsvar for kjøring av arbeidsbelastninger for maskinarbeid hvor som helst.

Ansvarlig utforming

Ansvarlig kunstig intelligens for å bygge forklarende modeller ved hjelp av datastyrte beslutninger for gjennomsiktighet og ansvarlighet.

Se nettseminaret «Få frem prediktiv innsikt med analyse og kunstig intelligens»

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 generativ kunstig intelligens

Organisering av arbeidsflyt for kunstig intelligens

Forenkle utformingen, evalueringen og distribusjonen av store språkmodellbaserte programmer med ledetekstflyt. Spor, reproduser, visualiser og forbedre forespørslene og flytene på tvers av en rekke verktøy og ressurser, og lær mer om generativ kunstig intelligens i maskinlæring.

Administrert ende-til-ende-plattform

Effektiviser hele livssyklusen for stor språkmodell og modelladministrasjon, 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.

Fleksible verktøy og rammeverk

Bygg modeller for dyplæring i verktøy som Visual Studio Code og Jupyter Notebooks, ved hjelp av fleksible rammeverk som PyTorch eller TensorFlow. Azure Machine Learning er kompatibelt med ONNX Runtime og DeepSpeed, for å optimalisere opplæringen og følgeslutningen.

Ytelse i verdensklasse

Bruk spesialbygd infrastruktur for kunstig intelligens som er utformet for å kombinere de nyeste NVIDIA GPU-ene og InfiniBand-nettverksløsninger på opptil 400 Gbps. 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 en enhetlig studioopplevelse. Bygg, lær opp og distribuer modeller med Jupyter Notebooks ved hjelp av innebygd støtte for rammeverk og biblioteker med åpen kildekode. Opprett modeller raskt med automatisert maskinlæring for tabulær-, tekst- og bildedata. Bruk Visual Studio Code til å gå fra lokal til skybasert opplæring sømløst, og benytt autoskalering med infrastruktur for Azure kunstig intelligens, levert av NVIDIA Quantum-2 InfiniBand-plattformen. Design, sammenlign, evaluer og distribuer store ledetekstene dine for store språkmodellbaserte programmer med ledetekstflyt.

Samarbeid og strømlinjeform modelladministrasjon med MLOps

Effektiviser utrullingen og administrasjonen av tusenvis av modeller i flere miljøer ved å bruke MLOps. Rull ut og vurder maskinlæringsmodeller 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 og administrert funksjonsbutikk. Overvåk måledata for modellytelse kontinuerlig, oppdag datadrift og utløs ny opplæring for å forbedre modellytelsen.

Bygg løsninger på organisasjonsnivå på en hybridplattform

Sett sikkerheten først i hele livssyklusen til maskinlæringen ved hjelp av den innebygde datastyringen i Microsoft Purview. Utnytt de omfattende sikkerhetsfunksjonene som dekker identitet, data, nettverk, overvåking og forskriftssamsvar – alt sammen testet og validert av Microsoft. Sikre løsninger som bruker egendefinert rollebasert tilgangskontroll, virtuelle nettverk, datakryptering, private endepunkter og private IP-adresser. Lær opp og distribuer modeller hvor som helst – fra lokalt til multisky – for å oppfylle kravene til datasuverenitet. Styr med selvtillit ved hjelp av innebygde policyer og samsvar med 60 sertifiseringer, inkludert FedRAMP High og HIPAA.

Bruk ansvarlige praksiser for kunstig intelligens gjennom hele livssyklusen

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.

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

  • Samarbeidsbaserte notatblokker

    Start notatboken din i Jupyter Notebook eller Visual Studio Code for å få en rikholdig utviklingsopplevelse, inkludert feilsøking og støtte for Git-kildekontroll.

  • Automatisert maskinlæring

    Opprett raskt nøyaktige modeller for klassifisering, regresjon, tidsserieprognoser, naturlige språkbehandlingsoppgaver og oppgaver for visuelt innhold med automatisert maskinlæring.

  • Dra og slipp-basert maskinlæring

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

  • Ansvarlig kunstig intelligens

    Bygg ansvarlige løsninger for kunstig intelligens med tolkningsfunksjonalitet. Vurder modellrettferdighet gjennom forskjellsmåledata, og reduser urettferdighet.

  • Registre

    Bruk organisasjonsomfattende repositorier til å lagre og dele modeller, datasamlebånd, komponenter og datasett på tvers av flere arbeidsområder. Hent avstamming og styr data med ved hjelp av funksjonen for revisjonsspor.

  • Administrerte endepunkter

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

Omfattende sikkerhet og forskriftssamsvar innebygd

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, kan du få et fritt antall av de mest populære tjenestene våre, 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 kun for det du bruker utover de kostnadsfrie månedlige beløpene.

Finn ut hvordan kunder bruker Azure Machine Learning til å innovere med kunstig intelligens

«PyTorch og Azure Machine Learning passer perfekt med målene til forskningsteamet vårt, slik at de får tid til å skape banebrytende innovasjoner.»

Orlando Ribas Fernandes

Medgrunnlegger og administrerende direktør, Fashable

«Teamene våre tester vanligvis [data], får resultater og bruker dem deretter til å utvikle modeller og algoritmer, som vi deretter bygger inn i programvareprodukter. Denne plattformen gjør hele prosessen enklere, raskere og mer strømlinjeformet.»

Mogens Mikkelsen

Organisasjonsarkitekt, SEGES Innovation

«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

Leder for datavitenskap, 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

Klinisk direktør, traume og ortopedi, Northumbria Healthcare NHS Foundation Trust

En medisinsk fagperson som snakker med en pasient

1

«Muligheten til å skalere databehandlingsressurser opp og ned er avgjørende for innovasjonshastigheten og kostnadseffektiviteten... Azure Machine Learning og de innebygde funksjonene for maskinlæringsoperasjoner gjør smidighet og kostnadseffektivitet enkelt.»

Kate Puech

Leder for kunstig intelligens-ingeniørarbeid, Axon

.

«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

Avdelingen for selskapstransformasjon, Seven Bank

En Seven Bank-plassering
Tilbake til faner

IDC-MarketScape: MLOps 2022 leverandørvurdering

Finn ut hvordan organisasjoner på tvers av bransjer bruker MLOps for å løse utfordringene med å implementere teknologier for kunstig intelligens og maskinlæring.

Teknisk dokument for utvikling av MLOps

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

Forrester-studien «Total Economic Impact»

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

Teknisk dokument om maskinlæringsløsninger

Finn ut hvordan du bygger sikrere, skalerbare og rettferdige maskinlæringsløsninger.

Teknisk dokument om ansvarlig kunstig intelligens

Finn ut hvordan du bygger sikrere, skalerbare og rettferdige maskinlæringsløsninger.

Teknisk dokument for MLOps

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

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.

  • 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