Azure Machine Learning

Maskinlæringstjeneste i enterprise-klassen for å bygge og distribuere modeller raskere

Fremskynd maskinlæringslivssyklusen fra ende-til-ende

Empower data scientists and developers with a wide range of productive experiences to build, train, and deploy machine learning models and foster team collaboration. Accelerate time to market with industry-leading MLOps—machine learning operations, or DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.

Maskinlæring for alle kompetansenivåer

Productivity for all skill levels, with Jupyter Notebooks, drag-and-drop designer, and automated machine learning

Helhetlige MLOps

Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows

Innovasjon for ansvarlig maskinlæring

Rich set of built-in responsible capabilities to understand, protect, and control data, models, and processes

Åpen og interoperabel løsning

Best-in-class support for open-source frameworks and languages including MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, and R

Boost productivity with machine learning for all skill levels

Bygg og distribuer raskt maskinlæringsmodeller ved hjelp av verktøy som oppfyller behovene dine uavhengig av kompetansenivå. Bruk innebygde Jupyter-notatbøker med Intellisense eller det dra og slipp-baserte utformingsverktøyet. Opprett modeller raskere med automatisert maskinlæring, og få tilgang til effektiv funksjonalitet for funksjonsteknikk, algoritmevalg og hyperparametersøk. Gjør teamene mer effektive med delte datasett, notatbøker, modeller og instrumentbord som kan tilpasses, og som sporer alle aspekter ved maskinlæringsprosessen.

Skalert iverksetting med MLOps

Take advantage of MLOps to streamline the machine learning lifecycle, from building models to deployment and management. Create reproducible workflows with machine learning pipelines, and train, validate, and deploy thousands of models at scale, from the cloud to the edge. Use managed online and batch endpoints to seamlessly deploy and score models without managing the underlying infrastructure. Use Azure DevOps or GitHub Actions to schedule, manage, and automate the machine learning pipelines, and use advanced data-drift analysis to improve model performance over time.

Bygg ansvarlige maskinlæringsløsninger

Access state-of-the-art responsible machine learning capabilities to understand, control, and help protect your data, models, and processes. Explain model behavior during training and inferencing, and build for fairness by detecting and mitigating model bias. Preserve data privacy throughout the machine learning lifecycle with differential privacy techniques and use confidential computing to secure machine learning assets. Automatically maintain audit trails, track lineage, and use model datasheets to enable accountability.

Vær kreativ på en åpen og fleksibel plattform

Get built-in support for open-source tools and frameworks for machine learning model training and inferencing. Use familiar frameworks like PyTorch, TensorFlow, or scikit-learn, or the open and interoperable ONNX format. Choose the development tools that best meet your needs, including popular IDEs, Visual Studio Code, Jupyter Notebooks, and CLIs, or languages such as Python and R. Use ONNX Runtime to optimize and accelerate inferencing across cloud and edge devices. Track all aspects of your training experiments using MLflow.

Utvikle maskinlæringskompetansen din med Azure

Få mer informasjon om maskinlæring i Azure og delta i praktiske opplæringer med denne 30-dagers opplæringsreisen. Når opplæringsreisen er fullført, er du klar til å ta sertifiseringen Azure Data Scientist Associate.

Avansert sikkerhet, styring og hybrid infrastruktur

  • Lær opp modeller på hybrid infrastruktur ved å bruke Kubernetes-klynger lokalt, i miljøer med flere skyer og på kanten med Azure Arc-interoperabilitet.
  • Få tilgang til sikkerhetsfunksjonalitet som rollebasert tilgang, tilpassede maskinlæringsroller, virtuelle nettverk og private koblinger. Administrer styring med policyer, revisjonslogger, kvoter og kostnadsadministrasjon.
  • Effektiviser overholdelsen av regler og standarder med en omfattende portefølje som dekker 60 sertifiseringer, blant annet FedRAMP High og DISA IL5.

Viktige tjenesteegenskaper

Samarbeidsbaserte notatblokker

Maximize productivity with IntelliSense, easy compute and kernel switching, and offline notebook editing. Launch your notebook in Visual Studio Code for a rich development experience, including secure debugging and support for Git source control.

Automatisert maskinlæring

Opprett raskt nøyaktige modeller for klassifisering, regresjon og tidsserieprognoser. Bruk modelltolking for å forstå hvordan modellen ble bygd.

Dra og slipp-basert maskinlæring

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

Datamerking

Klargjør data raskt, administrer og overvåk merkingsprosjekter og automatiser gjentatte oppgaver med maskinlæringsassistert merking.

MLOps

Use the central registry to store and track data, models, and metadata. Automatically capture lineage and governance data. Use Git to track work and GitHub Actions to implement workflows. Manage and monitor runs, or compare multiple runs for training and experimentation. Use managed endpoints to operationalize model deployment and scoring, log metrics, and perform safe model rollouts.

Autoskalert databehandling

Bruk administrert databehandling til å distribuere læring og raskt teste, validere og rulle ut modeller. Del prosessor- og GPU-klynger i et arbeidsområde, og skaler automatisk for å dekke maskinlæringsbehovene.

Dyp integrasjon med andre Azure-tjenester

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

Støtte for hybrid sky og flere skyer

Run machine learning on existing Kubernetes clusters on-premises, in multicloud environments, and at the edge with Azure Arc. Use the one-click machine learning agent to start training models more securely, wherever your data lives.

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 maskinlæring

Get model transparency at training and inferencing with interpretability capabilities. Assess model fairness through disparity metrics and mitigate unfairness. Help protect data with differential privacy and confidential machine learning pipelines.

Sikkerhet på bedriftsnivå

Utvikle og rull ut modeller på en sikrere måte med funksjonalitet for nettverksisolering og private koblinger, rollebasert tilgangskontroll for ressurser og handlinger, egendefinerte roller samt administrert identitet for databehandlingsressurser.

Kostnadsadministrasjon

Administrer ressursallokering for databehandlingsforekomster for Azure Machine Learning på en bedre måte med kvotegrenser på arbeidsområde- og ressursnivå.

Betal bare for det du trenger – ingen forskuddskostnader

Se priser for Azure Machine Learning

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.

Datavitenskapelige prinsipper

Mange som jobber med data, har utviklet kompetanse innen matematikk, programmering eller domener, men reell datavitenskap krever alt dette. Denne omfattende e-boken bidrar til å tette kunnskapshullene.

Leder i Forrester Wave 2020

Forrester kårer Microsoft Azure Machine Learning til leder i Forrester Wave™: «Notebook-Based Predictive Analytics And Machine Learning, Q3 2020».

Hvordan bruke Azure Machine Learning

Gå til din studiowebopplevelse

Utvikling og trening

Distribuer og administrer

Trinn 1 av 1

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

Trinn 1 av 1

Bruk automatisert maskinlæring til å identifisere algoritmer og hyperparametere og spore eksperimenter i skyen. Opprett modeller ved å bruke notatbøker eller det dra og slipp-baserte utformingsverktøyet.

Trinn 1 av 1

Distribuer maskinlæringsmodellen til skyen eller kanten, overvåk ytelse, og lær den opp på nytt ved behov.

Begynn å bruke Azure Machine Learning i dag

Få øyeblikkelig tilgang og en kredit på $200 ved å registrere deg for en gratis Azure-konto.

Logg deg på Azure Portal.

Kunder som bruker Azure Machine Learning

"The model we deployed on Azure Machine Learning helped us choose three new retail locations. Those stores exceeded their revenue plans by over 200 percent [that] 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

"MLOps is at the core of our product. Because of its reproducible ML pipelines, ... registered models, and automatic model scoring, we're definitely detecting things that we missed before. Which, in terms of risk management, is really, really important."

Ignasi Paredes-Oliva, Lead Data Scientist, Nestlé Global Security Operations Center
Nestle Italia

"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."

Joey Chua, Senior Manager Machine Learning Engineering, AGL
AGL

"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."

Daniel Engberg, leder for dataanalyse og kunstig intelligens hos Scandinavian Airlines
Scandinavian Airlines

"We've used the MLOps capabilities in Azure Machine Learning to simplify the whole machine learning process. That allows us to focus more on data science and let Azure Machine Learning take care of end-to-end operationalization."

Michael Cleavinger, Senior Director of Shopper Insights Data Science and Advanced Analytics, PepsiCo
PepsiCo

"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

Oppdateringer, blogger og kunngjøringer for Azure Machine Learning

Vanlige spørsmål om Azure Machine Learning

  • Tjenesten er generelt tilgjengelig i flere land/områder, med mer underveis.
  • 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.

Klar når du er – la oss konfigurere gratiskontoen din