Navigatie overslaan

Azure Machine Learning-service

Machine learning versnellen van de cloud naar de edge

Waarom de Azure Machine Learning-service?

Productief

Experimenteer meer en bouw sneller modellen dankzij geautomatiseerde machine learning en beheerde rekentaken.

Open

Gebruik de Machine Learning-bibliotheken en IDE's waar u al bekend mee bent.

Vertrouwd

Profiteer van de beveiligings- en nalevingsfuncties van Azure en de ondersteuning voor virtuele netwerken (speciaal voor bedrijven).

Hybride

Bouw, train, beheer en implementeer Machine Learning-modellen vanuit de cloud in de edge.

Wat krijgt u bij de Azure Machine Learning-service?

Geautomatiseerde machine learning en hyperparameterafstemming

Identificeer sneller de beste algoritmen met geautomatiseerde machine learning, en vind efficiënt het beste model met intelligente hyperparameterafstemming.

Versiebeheer en betere reproduceerbaarheid

Experimenteer meer door uw experimenten te volgen en er logboeken over bij te houden; zo kunt u ze reproduceren en eenvoudig wijzigen.

Ondersteuning voor open-sourcebibliotheken en IDE's

Gebruik Machine Learning-bibliotheken zoals Tensorflow, PyTorch en scikit-learn. De Azure Machine Learning-service kan worden geïntegreerd in uw favoriete Python IDE, zoals Visual Studio Code, Visual Studio, Azure Databricks-notebooks of Jupyter-notebooks.

Modelbeheer

Beheer en bewaak uw modellen proactief met behulp van het installatiekopie- en modellenregister. U kunt ze upgraden via de ingebouwde CI/CD.

Hybride implementatie

Implementeer met beheerde implementaties in de cloud en de edge de modellen waar u deze het hardst nodig hebt.

Gedistribueerde deep learning

Bouw sneller betere modellen dankzij enorm grote, beheerde GPU-clusters. Train modellen snel dankzij gedistribueerde deep learning en implementeer deze op FPGA's.

De Azure Machine Learning-service gebruiken

Stap 1: een werkruimte maken

Installeer de SDK en maak uw werkruimte om uw rekenresources, modellen, implementaties en uitvoergeschiedenis in op te slaan in de cloud.

Stap 2: een model trainen

Train een model lokaal of in de cloud met behulp van open source machine learning-bibliotheken. Volg uw experimenten eenvoudig en schaal de training gemakkelijk omhoog of uit met beheerde computing-resources in de cloud.

Stap 3: implementeren en beheren

Implementeer uw model om tests uit te voeren of om het daadwerkelijk te gebruiken om voorspellingen te doen. Implementeer in de cloud of bij de edge, of maak gebruik van hardwaremodellen op FPGA's voor extra snelle interferentie. Als uw model actief wordt gebruikt, bewaakt u de prestaties en gegevensverschuiving. Train het model waar nodig opnieuw.

Gerelateerde producten en services

Azure Databricks

Snel, eenvoudig en op Apache Spark gebaseerd analyseplatform voor samenwerking

Machine Learning Studio

Predictive analytics-oplossingen eenvoudig ontwikkelen, implementeren en beheren

Virtuele machines voor datatechnologie

Uitgebreide vooraf geconfigureerde omgeving voor AI-ontwikkeling

Maak betere beslissingen met de Azure Machine Learning-service