Azure Machine Learning
Machine learning-service van enterpriseklasse om modellen sneller te bouwen en te implementeren
Versnel de end-to-end machine learning-levenscyclus
De Azure Machine Learning-service biedt ontwikkelaars en datawetenschappers een groot aantal mogelijkheden voor productieve ervaringen om machine learning-modellen sneller te bouwen, trainen en implementeren. Breng producten sneller op de markt en stimuleer teamsamenwerking met toonaangevende MLOps—DevOps voor machine learning. Innoveer op een veilig, vertrouwd platform, ontworpen voor verantwoordelijke machine learning.
Machine learning voor alle vaardigheden
Productiviteit voor alle vaardigheidsniveaus, met geautomatiseerde machine learning en een ontwerpprogramma met een functie voor slepen en neerzetten, waarin code de hoogste prioriteit krijgt.
End-to-end-MLOps
Robuuste MLOps-mogelijkheden die kunnen worden geïntegreerd met bestaande DevOps-processen en hulp bieden bij het beheren van de complete machine learning-levenscyclus.
Geavanceerde verantwoordelijke machine learning
Mogelijkheden van verantwoordelijke machine learning: inzicht krijgen in modellen met interpretatie en eerlijkheid, gegevens beveiligen met differentiële privacy en vertrouwelijke computing, en de levenscyclus van machine learning beheren met controletests en gegevensbladen.
Open en interoperabel
De beste ondersteuning in deze klasse voor opensource-frameworks en talen zoals MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python en R.
Verhoog de productiviteit met machine learning voor alle vaardigheden
Bouw en implementeer snel machine learning-modellen met hulpprogramma's die aan uw behoeften voldoen, ongeacht het vaardigheidsniveau. Gebruik de codevrije designer om aan de slag te gaan met visual machine learning of gebruik ingebouwde gezamenlijke Jupyter-notebooks voor een ervaring waarbij code de hoogste prioriteit heeft. Versnel het maken van modellen met geautomatiseerde machine learning en krijg toegang tot ingebouwde functies voor het ontwikkelen van functies, het selecteren van algoritmen en het sweepen van hyperparameters om uiterst nauwkeurige modellen te ontwikkelen.
Geschaald operationaliseren met MLOps
Met MLOps, of DevOps voor machine learning, wordt de machine learning-levenscyclus gestroomlijnd, van het bouwen van modellen tot implementatie en beheer. Gebruik machine learning-pijplijnen om herhaalbare werkstromen te bouwen en gebruik een uitgebreid modelregister om uw bedrijfsmiddelen te volgen. Beheer productiewerkstromen op de juiste schaal met behulp van geavanceerde waarschuwingen en automatiseringsmogelijkheden voor machine learning. Profileer, valideer en implementeer machine learning-modellen op elke gewenste locatie, vanuit de cloud naar de rand, om machine learning-werkstromen voor productie op een zakelijke manier op de juiste schaal te beheren.
Bouw verantwoordelijke machine learning-oplossingen
Krijg toegang tot toonaangevende mogelijkheden voor verantwoordelijke machine learning voor meer inzicht in het beveiligen en beheren van uw gegevens, modellen en processen. Verklaar het modelgedrag tijdens training en deductie en bouw met het oog op eerlijke verdeling door bias in het model te detecteren en te beperken. Waarborg gegevensprivacy in de gehele machine learning-levenscyclus met differentiële privacytechnieken en gebruik vertrouwelijke computing om machine learning-assets te beveiligen. Onderhoud automatisch audittrails, track herkomst en gebruik modelgegevensbladen om aansprakelijkheid mogelijk te maken.
Innoveren op een open en flexibel platform
Krijg ingebouwde ondersteuning voor opensource-hulpprogramma's en frameworks voor training en deductie van machine learning-modellen. Gebruik bekende frameworks zoals PyTorch, TensorFlow of scikit-learn of de open en interoperabele ONNX-indeling. Kies de ontwikkelingshulpprogramma's die het beste aan uw behoeften voldoen, waaronder populaire IDE's, Jupyter-notebooks en CLI's of talen zoals Python en R. Gebruik ONNX Runtime om de interferentie in cloud- en randapparaten te optimaliseren en te versnellen.
Geavanceerde beveiliging en governance
- Krijg end-to-end-beveiliging en bouw op de vertrouwde cloud met Azure.
- Beveilig uw resources met nauwkeurige op rollen gebaseerde toegang, aangepaste rollen en ingebouwde mechanismen voor verificatie van identiteiten.
- Bouw, train en implementeer modellen op een veiligere manier door uw netwerk te isoleren met virtuele netwerken en privékoppelingen.
- Beheer governance met beleidsregels, audittrails, quota en kostenbeheer.
- Stroomlijn de naleving met een uitgebreide portfolio met daarin 60 certificeringen, zoals FedRAMP High en DISA IL5.
De belangrijkste servicemogelijkheden
Notebooks voor samenwerking
Maximaliseer productiviteit met IntelliSense, eenvoudig overschakelen tussen compute en kernel, en offline notebookbewerkingen.
Geautomatiseerde Machine Learning
Maak snel nauwkeurige modellen voor classificatie, regressie en tijdreeksvoorspellingen. Gebruik interpreteerbaarheid van modellen om te begrijpen hoe het model is opgebouwd.
Machine learning met slepen en neerzetten
Gebruik hulpmiddelen voor machine learning, zoals Designer, met modules voor gegevenstransformatie, modeltraining en evaluatie, of om eenvoudig machine learning-pijplijnen te maken en te publiceren.
Gegevenslabels
U kunt snel gegevens voorbereiden, labelingprojecten beheren en bewaken en iteratieve taken automatiseren met door machine learning ondersteunde labeling.
MLOps
Gebruik het centrale register om gegevens, modellen en metagegevens op te slaan en bij te houden. Leg automatisch herkomst- en governancegegevens vast. Gebruik Git om werk en GitHub Actions bij te houden om werkstromen te implementeren. Beheer en controleer uitvoeringen of vergelijk meerdere uitvoeringen voor training en experimenten.
Compute automatisch schalen
Gebruik beheerde compute om training te distribueren en modellen snel te testen, valideren en implementeren. CPU- en GPU-clusters in een werkruimte delen en automatisch schalen om te voldoen aan uw machine learning-behoeften.
RStudio-ondersteuning
Modellen bouwen en implementeren en uitvoeringen controleren met ingebouwde integratie van R-ondersteuning en RStudio Server (open source-editie).
Diepe integratie met andere Azure-services
Verhoog de productiviteit met ingebouwde integratie met Microsoft Power BI en Azure-services, zoals Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake en Azure Databricks.
Bekrachtigend leren
Schaal bekrachtigend leren naar krachtige rekenclusters, ondersteuning voor scenario's met meerdere agenten en toegang tot opensource-algoritmen voor bekrachtigend leren, frameworks en omgevingen.
Verantwoordelijke machine learning
Krijg modeltransparantie tijdens training en deductie met interpretatiemogelijkheden. Evalueer de eerlijkheid van het model door middel van gegevens over de pariteit en verminder oneerlijkheid. Beveilig gevoelige gegevens met differentiële privacy.
Professionele beveiliging
Bouw en implementeer modellen veiliger met netwerkisolatie- en Private Link-mogelijkheden, op rollen gebaseerd toegangsbeheer voor resources en acties, aangepaste rollen en beheerde identiteiten voor rekenresources.
Kostenbeheer
Beheer resourcetoewijzingen beter voor Azure Machine Learning-rekenprocessen met quotumlimieten voor werkruimten en resourceniveaus.
Betaal uitsluitend voor wat u nodig hebt zonder kosten vooraf
Azure Machine Learning beheersen
Leer technieken voor experts om geautomatiseerde en uiterst schaalbare end-to-end Machine Learning-modellen en -pijplijnen in Azure te bouwen met TensorFlow, Spark en Kubernetes.
Packt: Principes van Data Science
Veel mensen die met gegevens werken, hebben vaardigheden ontwikkeld binnen de expertises wiskunde, programmeren of domeinen, maar voor diepgaande gegevenswetenschap zijn alle drie deze expertises nodig. Dit uitgebreide e-book helpt u daarbij op weg.
Forrester Wave Leader 2020
Forrester noemt Microsoft en Azure Machine Learning als leider in The Forrester Wave™: Op notebook gebaseerde Predictive Analytics en Machine Learning, K3 2020.
Informatie over het gebruik van Azure Machine Learning
Ga naar uw studiowebervaring
Bouw en train
Implementeren en beheren
Nieuwe modellen ontwerpen en uw rekendoelen, modellen, implementaties, metrische gegevens en uitvoeringsgeschiedenissen opslaan in de cloud.
Gebruik geautomatiseerde machine learning om algoritmen en hyperparameters te identificeren en experimenten te volgen in de cloud. Modellen ontwerpen met behulp van notebooks of het ontwerpprogramma met functie voor slepen en neerzetten.
Implementeer uw machine learning-model in de cloud of aan de rand, bewaak prestaties en train het model zo nodig opnieuw.
Informatiebronnen
Zelfstudies voor beginners
Geavanceerde zelfstudies
Aanbevolen video's
Aanvullende bronnen
Ga vandaag nog aan de slag met Azure Machine Learning
Meld u aan voor een gratis Azure-account voor directe toegang en een tegoed van $200.
Meld u aan bij de Azure Portal.
Verken de documentatie en zelfstudies. Zoek naar quickstarts en resources voor ontwikkelaars.
Klanten die Azure Machine Learning gebruiken
Jolie Vitale, Director of BI and Analytics, Carhartt"The model we deployed on Azure Machine Learning helped us choose the three new retail locations we opened in 2019. Those stores exceeded their revenue plans by over 200 percent in December, the height of our season, and within months of opening were among the best-performing stores in their districts."
Door gebruik te maken van Azure Machine Learning, is Scandinavian Airlines (SAS) in staat om fraude met vakkundigheid te identificeren die niet mogelijk is via handmatige methoden. In het geval van de registratie achteraf van een vlucht voor EuroBonus-mijlen, een veelvoorkomende bron van fraude, kan het nieuwe systeem fraude voorspellen met een nauwkeurigheid van 99 procent.
Sze-Wan Ng, Director of Analytics & Development, Translink"With MLOps capabilities in Azure Machine Learning, we've improved bus departure predictions by 74 percent, and riders spend 50 percent less time waiting."
Dean Riddlesden, Senior Data Scientist, Global Analytics, Walgreens Boots Alliance"If I have 200 models to train—I can just do this all at once. It can be farmed out to a huge compute cluster, and it can be done in minutes. So I'm not waiting for days."
Alex Mohelsky, Partner and Advisory Data, Analytic, and AI Leader, EY Canada"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."
Xiaodong Wang, CEO, TalentCloud"The automated machine learning capabilities in Azure Machine Learning save our data scientists from doing a lot of time-consuming work, which reduces our time to build models from several weeks to a few hours."
Updates, blogs en aankondigingen met betrekking tot Azure Machine Learning
-
AANKONDIGING
Azure Open-gegevenssets (nu als preview-versie beschikbaar) biedt toegang tot gecureerde gegevenssets.
-
UPDATE
General availability: Azure Machine Learning updates for native terminal
-
UPDATE
Public preview: Azure Machine Learning - Responsible ML updates
-
UPDATE
General availability: Azure Machine Learning Output Datasets
-
UPDATE
Public preview: Azure Machine Learning Data Labeling – Image Instance Segmentation
-
UPDATE
The Azure Quota REST API to manage service limits (quotas) is now generally available
-
UPDATE
Azure Machine Learning updates December 2020 in public preview
-
UPDATE
Azure Machine Learning updates--November 2020
-
UPDATE
Azure Machine Learning offers added capabilities at lower cost
-
UPDATE
Azure Machine Learning updates Ignite 2020
Veelgestelde vragen over Azure Machine Learning
-
De service is algemeen beschikbaar in diverse landen/regio's (in de toekomst komen hier meer landen/regio's bij).
-
De Service Level Agreement (SLA) voor Azure Machine Learning is 99,9 procent.
-
De Azure Machine Learning-studio is voor de machine learning-service de resource op het hoogste niveau. Het biedt een gecentraliseerde locatie waarin gegevenswetenschappers en ontwikkelaars met alle artefacten voor het bouwen, trainen en implementeren van machine learning-modellen aan de slag kunnen.