Hopp over navigasjon

Azure Machine Learning

Bruk en tjeneste på foretaksnivå for ende-til-ende-livssyklusen for maskinlæring

Azure Machine Learning

Bruk en tjeneste på foretaksnivå for ende-til-ende-livssyklusen for maskinlæring

Bygg forretningskritiske maskinlæringsmodeller i stor skala

Gi dataforskere og utviklere muligheten til å bygge, rulle ut og administrere modeller av høy kvalitet raskere og med trygghet. Få fart på tiden det tar å oppnå verdi med bransjeledende maskinlæringsoperasjoner (MLOps), interoperabilitet med åpen kildekode og integrerte verktøy. Innover på en sikker, klarert plattform utformet for programmer med ansvarlig kunstig intelligens i maskinlæring.

Bygg og lær opp modeller raskt

Bruk studioutviklingsopplevelsen til å få tilgang til innebygde verktøy og den beste støtten for rammeverk og biblioteker med åpen kildekode.

Lever ansvarlige løsninger

Utvikle modeller for rettferdighet og forklarbarhet. Bruk dem på en ansvarlig måte når de rulles ut, og styr for å oppfylle samsvarskrav til avstamming og revisjon.

Operasjonaliser i stor skala

Rull ut maskinlæringsmodeller rask og enkelt, og administrer og styr dem effektivt med MLOps.

Innover på en sikrere hybridplattform

Kjør arbeidsbelastninger for maskinlæring hvor som helst med innebygd styring, sikkerhet og forskriftssamsvar.

Opptil 3 ganger investeringsavkastningen på maskinlæringsprosjekter

70 prosent færre trinn for opplæringsmodeller

90 prosent færre kodelinjer for datasamlebånd

60 sertifiseringer for forskriftssamsvar

Den eneste plattformen med PyTorch Enterprise

Støtte for ende-til-ende-livssyklusen for maskinlæring

Datamerking

Merk opplæringsdata og administrer merkingsprosjekter.

Dataforberedelse

Bruk dem med analysemotorer for datautforskning og forberedelse.

Datasett

Få tilgang til data og opprett og del datasett.

Notebooks

Bruk samarbeidende Jupyter Notebooks med koblet databehandling.

Automatisert maskinlæring

Lær opp og finjuster nøyaktige modeller automatisk.

Dra og slipp-utforming

Design med et dra-og-slipp-utviklingsgrensesnitt.

Eksperimenter

Kjør eksperimenter, og opprett og del egendefinerte instrumentbord.

Kommandolinjegrensesnitt

Få fart på modellopplæringsprosessen mens du skalerer opp og ut på Azure Compute.

Visual Studio-kode og GitHub

Bruk velkjente verktøy og bytt enkelt fra lokal til skybasert opplæring.

Databehandlingsforekomst

Utvikle i et administrert og sikkert miljø med sky-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

Rull ut modeller for parti- og sanntidsutledning raskt og enkelt.

Datasamlebånd og CI/CD

Automatiser arbeidsflyter for maskinlæring.

Forhåndsbygde avbildninger

Få tilgang til beholderbilder med rammeverk og biblioteker for følgeslutning.

Modellrepositorium

Del og spor modeller og data.

Hybride skyer og flere skyer

Lær opp og rull ut modeller lokalt og på tvers av multiskymiljøer.

Optimaliser modeller

Få fart på opplæringen og følgeslutningen og reduser kostnadene med ONNX Runtime.

Overvåking og analyse

Spor, loggfør og analyser data, modeller og ressurser.

Dataavvik

Oppdag avvik og behold modellnøyaktighet.

Feilanalyse

Feilsøk modeller og optimaliser modellnøyaktighet.

Revisjon

Spor maskinlæringsartefakter for forskriftssamsvar.

Policyer

Bruk innebygde og egendefinerte policyer for samsvarsstyring.

Sikkerhet

Gled deg over kontinuerlig overvåking med Azure Security Center.

Kostnadskontroll

Bruk kvotebehandling og automatisk avslutning.

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

Forbedre produktiviteten med studiofunksjonaliteten, en utviklingsopplevelse som støtter alle maskinlæringsoppgaver, for å bygge, lære opp og rulle ut modeller. Samarbeid med Jupyter Notebooks ved hjelp av innebygd støtte for populære rammeverk og biblioteker med åpen kildekode. Opprett nøyaktige modeller raskt med automatisert maskinlæring ved hjelp av funksjonsteknikk og hyperparameter-feiefunksjonaliteter. Få tilgang til feilsøkingsprogrammet, profileringen og forklaringene for å forbedre modellytelsen under opplæring. Bruk dyp Visual Studio Code for enkelt å gå fra lokal opplæring til skyopplæring, og autoskaler med kraftige skybaserte CPU- og GPU-klynger.

Operasjonaliser i stor skala med maskinlæringsoperasjoner (MLOps)

Effektiviser utrullingen og administrasjonen av tusenvis av modeller lokalt, på kanten og i multiskymiljøer ved hjelp av 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). Overvåk måledata for modellytelse kontinuerlig, oppdag datadrift og utløs ny opplæring for å forbedre modellytelsen. Gjennom hele livssyklusen kan du legge til rette for revisjonsfunksjonalitet og styring med innebygd sporing og avstamming for alle maskinlæringsartefakter.

Lever ansvarlige maskinlæringsløsninger

Evaluer maskinlæringsmodeller med reproduserbare og automatiserte arbeidsflyter for å vurdere modellrettferdighet, forklarbarhet, feilanalyse, årsaksanalyse, modellytelse og utforskende dataanalyse. Lag virkelige intervensjoner og policyer med årsaksanalyse i instrumentbordet for ansvarlig kunstig intelligens og generer en målstyring på utrullingstidspunktet. Eksporter målstyringen til en PDF-fil for å kontekstualisere måledata for ansvarlig kunstig intelligens, og del den med både tekniske og ikke-tekniske målgrupper for å involvere interessenter og effektivisere gjennomgangen av forskriftssamsvar.

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

Øk sikkerheten i hele maskinlæringslivssyklusen med omfattende funksjonaliteter som omfatter identitet, godkjenning, data, nettverk, overvåking, styring og forskriftssamsvar. Bygg sikrere maskinlæringsløsninger ved hjelp av egendefinert rollebasert tilgangskontroll, virtuelle nettverk, datakryptering, private endepunkter og private IP-adresser ende-til-ende. Lær opp og rull ut modeller lokalt for å oppfylle krav til datasuverenitet. Administrer styring med innebygde policyer og effektiviser forskriftssamsvar med en omfattende portefølje som omfatter 60 sertifiseringer, inkludert FedRAMP High og HIPAA.

Utvikle maskinlæringskompetansen din med Azure

Få mer informasjon om maskinlæring på Azure og delta i praktisk opplæring på en 30-dagers læringsreise. Til slutt er du klar for sertifiseringen Azure Data Scientist Associate.

Viktige tjenestefunksjonaliteter for hele maskinlæringslivssyklusen

Datamerking

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

Dataforberedelse

Utfør interaktiv dataforberedelse med PySpark ved hjelp av 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

Lag nøyaktige modeller for klassifisering, regresjon, tidsserieprognoser, oppgaver for behandling av naturlig språk og oppgaver for visuelt innhold raskt. 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 maskinlæring

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 opplæring og eksperimentering. Opprett egendefinerte instrumentbord og del dem med teamet ditt.

Modellregister og revisjonsspor

Bruk det sentrale registeret til å lagre og spore data, modeller og metadata. Hent avstammings- og styringsdata automatisk med revisjonsspor.

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 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.

Interoperabilitet 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 kanten med Azure Arc. Bruk den enkle maskinlæringsagenten 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 administrer ressurstildelinger for databehandlingsforekomster på en bedre måte med kvotegrenser for arbeidsområde og ressursnivå og automatisk avslutning.

Veiledning til mestring av Azure Machine Learning

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

Hvitbok for MLOps-utvikling

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

Forrester WaveTM-rapporten for 2020

Se hvorfor Forrester utnevnte Microsoft Azure Machine Learning til leder i Forrester WaveTM: Notatblokkbasert prediktiv analyse og maskinlæring, Q3 2020.

Studie fra Forrester Consulting Total Economic ImpactTM (TEI)

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

Hvitbok for maskinlæringsløsninger

Få informasjon om hvordan du bygger sikre, skalerbare og rettferdige løsninger.

Hvitbok for ansvarlig kunstig intelligens

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

Hvitbok for maskinlæringsoperasjoner (MLOps)

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

Azure Arc-enabled Machine Learning white paper

Learn how to build, train, and deploy models in any infrastructure.

Omfattende innebygd sikkerhet og forskriftssamsvar, innebygd

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.

Betal bare for det du trenger – ingen forskuddskostnader

Kom i gang med en gratis konto i Azure

Start gratis. Få $200 kreditt som du kan bruke innen 30 dager. Når du har kreditt, kan du få gratis forbruk i mange av våre mest populære tjenester, samt gratis forbruk i mer enn 40 andre tjenester som alltid er gratis.

Etter krediteringen må du bytte til bruksbasert for å fortsette å bygge med de samme gratistjenestene. Du betaler bare hvis du bruker mer enn de månedlige gratismengdene.

Etter 12 måneder får du fortsatt 40+ tjenester som alltid er gratis – og betaler fortsatt bare for det du bruker ut over de gratis månedlige mengdene.

Kunder som bruker Azure Machine Learning

"We make it our mission to try new ideas and go beyond to differentiate AXA UK from other insurers. We see managed endpoints in Azure Machine Learning as a key enabler for our digital ambition."

Nic Bourven, informasjonssjef, AXA UK
AXA UK

"Customers expect timely and accurate information on their packages and a data-based delivery experience. We're helping FedEx stay on the leading edge with Azure Machine Learning, and we're building expertise for future projects."

Bikram Virk, produktadministrator, kunstig intelligens og maskinlæring, FedEx
FedEx

"The end-to-end pipeline (built with Azure Machine Learning) has all the features needed to develop and maintain machine learning models throughout their lifecycles."

Dr. Deepa Kasinathan, produktadministrator og gruppeleder, Robotron Datenbank-Software GmbH
BMW Group

"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

"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, seniordirektør for datavitenskap om forbrukerinnsikt og avansert analyse, PepsiCo
PepsiCo

Gjør livet enklere for togpassasjerer

DB Systel, en partner av det tyske jernbaneselskapet Deutsche Bahn, utviklet Digital Guide Dog-løsningen for å hjelpe passasjerer. Ved hjelp av Azure Machine Learning tar det bare noen få timer å lære opp en ny modell ved hjelp av nevrale nettverk.

DB Systel GmbH

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

Prøv Machine Learning kostnadsfritt

Kom i gang med forbruksbetaling

Kan vi hjelpe deg?