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.
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.
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.
Notatbøker
Bruk samarbeidsbaserte Jupyter-notatblokker med vedlagt databehandling.
Automatisert maskinlæring
Lær opp og finjuster nøyaktige modeller for kunstig intelligens automatisk.
Dra-og-slipp-designer
Design med et dra-og-slipp-utviklingsgrensesnitt.
Eksperimenter
Kjør eksperimenter og opprett og del egendefinerte instrumentbord.
CLI og Python SDK
Akselerer modellopplæringsprosessen mens du skalerer opp og ut på Azure-databehandling.
Visual Studio Code og Github
Bruk velkjente maskinlæringsverktøy, og bytt enkelt fra lokal til skybasert opplæring.
Databehandlingsforekomst
Utvikle i et administrert og sikkert miljø med dynamisk skalerbar CPU-er, GPU-er og superdatabehandlingsklynger.
Biblioteker og rammeverk med åpen kildekode
Få innebygd støtte for Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib og mer.
Administrerte endepunkter
Distribuer AI-læringsmodeller for bunke- og sanntidsutledning raskt og enkelt.
Datasamlebånd og CI/CD
Automatisering av arbeidsflyter for maskinlæring.
Forhåndsbygde avbildninger
Få tilgang til beholderavbildninger med rammeverk og biblioteker for slutning.
Modellrepositorium
Del og spor maskinlæringsmodeller og data.
Hybrid- og multisky
Lær opp og distribuer modeller lokalt og på tvers av multiskymiljøer.
Optimaliserte modeller
Få fart på opplæring og følgeslutning og reduser kostnadene med ONNX Runtime.
Registre
Del og oppdag modeller og datasamlebånd på tvers av teamene i organisasjonen.
Overvåking og analyse
Spor, loggfør og analyser data, modeller og ressurser.
Datadrift
Oppdag drift og vedlikehold modellnøyaktighet.
Feilanalyse
Feilsøk modeller og optimaliser nøyaktigheten til modellene for kunstig intelligens.
Revisjon
Spor maskinlæringsartefakter for samsvar.
Policyer
Bruk innebygde og egendefinerte policyer for samsvarsadministrasjon.
Sikkerhet
Gled deg over kontinuerlig overvåking med Azure Security Center.
Kostnadskontroll
Bruk kvotebehandling og automatisk avslutning.
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.
Viktige tjenestefunksjonaliteter for hele maskinlæringslivssyklusen
-
Dataforberedelse
Iterer kjapt dataforberedelse i stor skala på Apache Spark-klynger i Azure Machine Learning, som er interoperabel med Azure Databricks.
-
Funksjonsbutikk
Øk fleksibiliteten for sending av modeller ved å gjøre funksjoner synlige og gjenbrukbare på tvers av en rekke arbeidsområder administrert funksjonsbutikk.
-
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
-
Microsoft investerer mer enn USD 1 milliard årlig i forskning og utvikling på cybersikkerhet.
-
Vi har mer enn 3500 sikkerhetseksperter som bare jobber med datasikkerhet og personvern.
-
Betal bare for det du trenger – ingen forskuddskostnader
Kom i gang med en gratis Azure-konto
1
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
Azure Machine Learning-ressurser
Avansert opplæring
- Lær opp maskinlæringsmodeller
- Hyperparameterjustering av en modell
- Datasamlebånd for maskinlæring med Python SDK
- Lær opp klassifiseringsmodeller uten kode
- Lær opp regresjonsmodeller uten kode ved hjelp av designer
- Overvåk og analyser jobber i studio
- Modelladministrasjon, -distribusjon og -overvåking
- Bygg og drift maskinlæringsløsninger
- Ende-til-ende-maskinlæringsoperasjoner
- Lær opp beregningsintensive modeller
Ressurser for interoperabilitet
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.