Maskinlæring for dataforskere
Se nærmere på maskinlæringsverktøy for dataforskere og maskinlæringsteknikere, og lær hvordan du utvikler maskinlæringsløsninger i skyskala på Azure.
Oppdag maskinlæring i Azure
Bygg og rull ut maskinlæringsmodeller for driftskritiske prosesser på en ansvarlig måte og på egne vilkår ved bruk av Azures verktøy og tjenester.
Utvikle maskinlæringsmodeller på dine egne vilkår
Bruk kunstig intelligens i Azure til å bygge maskinlæringsmodeller med foretrukket utviklingsspråk, miljø og maskinlæringsstruktur ved bruk av verktøyene du selv velger, og rull ut modellene til skyen, lokalt eller på kanten.
Bygg maskinlæringsløsninger på en ansvarlig måte
Forstå maskinlæringsmodellene, beskytt data med differensiert personvern og konfidensiell databehandling, og kontroller livssyklusen for maskinlæring med revisjonslogger og dataark.
Rull ut maskinlæringsmodeller for driftskritiske prosesser på en trygg måte
Rull ut og administrer svært skalerbare, feiltolerante og reproduserbare løsninger for maskinlæring.
Se nærmere på maskinlæring gjennom videoer
Utforsk hvordan du kan bruke maskinlæringsløsninger til å støtte driftskritiske programmer.
Lære opp maskinlæringsmodeller i stor skala
Forstå hvordan du utnytter den riktige databehandlingen på Azure for å skalere opplæringsjobbene dine.
Modelldistribusjon og følgeslutning
Lær om de ulike alternativene for utrulling og optimaliseringer for modellfølgeslutning i stor skala.
MLOps forklart
Lær om hvor viktig MLOps er og tilknyttede prosesser.
Sikre maskinlæringsmiljøene dine
Se hvordan du bruker Azure til å få tilgang til sikkerhet og styring egnet for store selskaper.
Hybrid og multiskybasert maskinlæring
Se hvordan du kan klargjøre hybride og multiskybaserte maskinlæringsmiljøer.
Åpen og interoperabel maskinlæring
Se hvordan Azure Machine Learning fungerer med teknologier basert på åpen kildekode og integrerer med andre Azure-tjenester.
Se hvordan du kan bruke Azure Machine Learning-produkter og tjenester til å bygge maskinlæringsmodeller på dine vilkår.
Grunnleggende informasjon om maskinlæring i skyen
Få en innføring i maskinlæring, og se nærmere på nøkkelfasene i maskinlæringslivssyklusen.
Maskinlæringsverktøy i Azure
Se nærmere på maskinlæringsverktøy for dataforskere, og finn ut hvordan de fungerer i Azure.
Grunnleggende informasjon om dyp læring med PyTorch
Se hvordan du bruker PyTorch til å løse et enkelt bildeklassifiseringsproblem.
Kjør maskinlæring hvor som helst
Kjør maskinlæring lokalt eller i multisky med eksisterende Kubernetes-infrastruktur.
Lær det mest grunnleggende om PyTorch
Se en opplæring med talsperson for utviklere hos PyTorch, Suraj Subramanian.
Bygg ansvarlig kunstig intelligens med verktøysett for feilanalyse
Se hvordan du kan identifisere modellfeil og diagnostisere rotårsakene.
Merking av lyd med dyplæring
Finn ut hvordan du kan bruke lyder, konvertere dem til bilder og bygge en klassifiseringsmodell for å merke sanger etter stemning.
Reproduserbar datateknologi med maskinlæring
Finn ut hvordan du organiserer en reproduserbar arbeidsflyt.
MLOps med Azure Machine Learning
Få fart på prosessen med å bygge, trene og rulle ut maskinlæringsmodeller i stor skala.
Maskinlæringsløsninger med sikkerhet og skala egnet for foretak
Finn ut hvordan du bygger sikre, skalerbare og rettferdige maskinlæringsløsninger med Azure Machine Learning.
Ansvarlig kunstig intelligens med Azure Machine Learning
Utforsk verktøy og metoder for å hjelpe deg med å forstå, beskytte og kontrollere maskinlæringsmodellene dine.
Få mer informasjon gjennom eksempler på løsningsarkitektur
Utforsk ulike scenarioer for bruk av Azure Machine Learning.
Maskinlæring
Kontroller modellopplæringsprosessen med justerbare parametere kalt hyperparametere. Utforsk anbefalte fremgangsmåter for justering av hyperparameterne for Python-modeller, og se hvordan du automatiserer hyperparameterjustering og kjører eksperimenter parallelt for å optimalisere hyperparametere på en effektiv måte.
Dyplæring
Se hvordan du utfører utrullet opplæring av maskinlæringsmodeller for dyplæring på tvers av klynger av GPU-aktiverte virtuelle maskiner. Dette scenarioet er for bildeklassifisering, men løsningen kan generaliseres til andre dyplæringsscenarioer, for eksempel segmentering eller objektregistrering.
MLOps
Finn ut hvordan du implementer kontinuerlig integrering (CI) og kontinuerlig levering (CD) og et datasamlebånd for gjenopplæring for et program med kunstig intelligens ved hjelp av Azure DevOps og Azure Machine Learning. Løsningen er bygd på datasettet scikit-learn-datasettet om diabetes, men kan enkelt tilpasses for alle scenarioer for kunstig intelligens og andre populære byggesystemer.
Kantutrulling
Se hvordan du bruker Azure Stack Edge til å utvide rask maskinlæringsinterferens fra skyen til lokale scenarioer eller kantscenarioer. Bruk Azure Stack Edge til å dra nytte av Azure-funksjonaliteter som databehandling, lagring, nettverk og maskinvareakselerert maskinlæring for alle kantplasseringer.
Batch-poengberegning
Lær hvordan du bruker Azure Machine Learning til å bruke nevral stiloverføring. Det er en dyplæringsteknikk som komponerer et eksisterende bilde i stil med et annet bilde, til en video.
Sanntidspoengsummer
Utforsk hvordan du ruller ut Python-modeller som nettjenester for å foreta sanntidsprediksjoner ved hjelp av Azure Kubernetes Service (AKS). Maskinlæringsmodeller som er rullet ut på AKS, er egnet for produksjonsutrullinger i stor skala.
Oppdateringer, blogger og kunngjøringer om kunstig intelligens
30. SEPTEMBER 2020