Hopp over navigasjon

Azure Machine Learning-tjeneste

Bygg, lær opp og distribuer modeller fra skyen til kanten

Kunngjøring

  • TAL
  • Asos
  • Elastacloud
  • Wipro
  • Cognizant

Oversikt

Forenkle og akselerere byggingen, opplæringen og distribusjonen av maskinlæringsmodellene dine. Bruk automatisert maskinlæring for å identifisere egnede algoritmer og justere hyperparametre raskere. Forbedre produktiviteten og reduser kostnadene ved hjelp av autoskalering av beregninger og DevOps for maskinlæring. Distribuer sømløs til skyen og kanten med ett klikk. Få tilgang til alle disse funksjonene fra ditt foretrukne Python-miljø ved hjelp av de nyeste strukturene med åpen kilde, for eksempel PyTorch, TensorFlow og scikit-learn.

Hvorfor Azure Machine Learning-tjeneste?

Produktiv

Bygg og lær opp modeller raskere med automatisert maskinlæring, autoskalert skydatabehandling og innebygd DevOps.

Åpne

Bruk Azure maskinlæringstjenester fra et hvilket som helst Python-miljø og med dine foretrukne strukturer og verktøy.

Pålitelig

Forbedre bedriftens beredskap med Azure-sikkerhet, kompatibilitetsfunksjoner og virtuell nettverksstøtte.

Hybrid

Bygg, lær opp og distribuere modellene dine lokalt, i skyen og på kanten.

Funksjoner i Azure Machine Learning-tjenesten

Automatisert maskinlæring

Identifiser passende algoritmer og hyperparametere raskere.

Administrert databehandling

Lær opp modeller med letthet, og reduser kostnadene med autoskalering av kraftige GPU-klynger.

DevOps for maskinlæring

Øk produktiviteten med eksperimentsporing, modellstyring og overvåkning, integrerte CI/CD og maskinlæringsdatasamlebånd.

Enkel distribusjon

Utvikle modeller på lokalt, til skyen og ved kanten med noen få linjer med kode.

Verktøy-agnostisk Python software development kit

Azure Machine Learning-tjenester integreres med et hvilket som helst Python-miljø, inkludert Visual Studio Code, Jupyter-notatbøker og PyCharm.

Støtte for strukturer med åpen kilde

Bruk dine foretrukne maskinlæringsstrukturer og verktøy, for eksempel PyTorch, TensorFlow og scikit-learn.

Hvordan bruke Azure Machine Learning-tjeneste

Trinn 1 av 3

Trinn 1: Opprett et arbeidsområde

Installer SDK i det Phyton-miljøet du ønsker, og opprett et arbeidsområde for å lagre databehandlingsressursene, modellene, distribusjonene og kjøringshistorikkene dine i skyen.

Trinn 2 av 3

Trinn 2: Utvikle og lær opp

Bruk strukturer etter eget valg og automatiserte maskinlæringsfunksjoner for å identifisere egnede algoritmer og hyperparametere raskere. Spor eksperimentene dine enkelt, og få tilgang til kraftige GPU-er i skyen.

Trinn 3 av 3

Trinn 3: distribuer og administrer

Distribuer modeller til skyen eller på kanten eller benytt maskinvareakselererte modeller på feltprogrammerbare portmatriser (FPGA-er) for lynraske slutninger. Når modellen er produksjon, kan du overvåke den for ytelses- og dataavvik og lære den opp på nytt etter behov.

Related products and services

Azure Databricks

Rask, enkelt og samarbeidende Apache Spark-basert analyseplattform

Machine Learning Studio

Bygg, distribuer og administrer prediktive analyseløsninger på en enkel måte

SQL-datalager

Fleksibelt datalager som en tjeneste med funksjoner på virksomhetsnivå

Virtuelle maskiner for datavitenskap

Rikt forhåndskonfigurert miljø for AI-utvikling

Ta bedre avgjørelser med Azure Machine Learning-tjenester