Azure Machine Learning
Machine learning-service van enterpriseklasse om modellen sneller te bouwen en te implementeren
Versnel de end-to-end machine learning-levenscyclus
Bied ontwikkelaars en gegevenswetenschappers het brede assortiment productieve ervaringen voor snellere ontwikkeling, training en implementatie van machine learning-modellen. Breng producten sneller op de markt en stimuleer teamsamenwerking met toonaangevende MLOps—DevOps voor machine learning. Innoveer op een veilig, vertrouwd platform, speciaal ontworpen voor verantwoordelijke kunstmatige intelligentie.
Productiviteit voor alle vaardigheidsniveaus, met geautomatiseerde machine learning en een ontwerpprogramma met een functie voor slepen en neerzetten, waarin code de hoogste prioriteit krijgt
Robuuste MLOps-mogelijkheden die kunnen worden geïntegreerd met bestaande DevOps-processen en hulp bieden bij het beheren van de complete ML-levenscyclus
Hoogwaardige verdeling en interpreteerbaarheid van modellen om verantwoordelijke AI-oplossingen te bouwen, met uitgebreid beveiligings- en kostenbeheer voor geavanceerde governance en controle
De beste ondersteuning in deze klasse voor opensource-frameworks en talen zoals MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python en R
Productiviteit stimuleren en toegang krijgen tot 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 of gebruik ingebouwde Jupyter-notebooks voor een ervaring waarbij code de hoogste prioriteit heeft. Versnel het ontwerp van modellen met de geautomatiseerde machine learning-gebruikersinterface en krijgt 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 robuuste MLOps
Met MLOps, of DevOps voor machine learning, wordt de machine learning-levenscyclus gestroomlijnd, van het bouwen van modellen tot implementatie en beheer. Gebruik ML-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 ML-werkstromen voor productie op een zakelijke manier op de juiste schaal te beheren.
Verantwoordelijke AI-oplossingen bouwen
Krijg toegang tot hoogwaardige technologie voor verdeling en transparantie van machine learning-modellen. Gebruik interpreteerbaarheid van modellen voor uitleg over prognoses, zodat u beter inzicht krijg in het gedrag van modellen. Beperk bias met betrekking tot modellen door algemene metrische verdelingsgegevens toe te passen, zodat er automatisch vergelijkingen worden gemaakt en aanbevolen beperkingen worden gebruikt.
Innoveren op een open en flexibel platform
Krijg ingebouwde ondersteuning voor opensource-hulpprogramma's en frameworks voor training en inferentie van machine learning-modellen. Gebruik bekende frameworks zoals PyTorch, TensorFlow en 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, beheer en controle
- Bouw machine learning-modellen met behulp van de beveiliging, naleving en ondersteuning voor virtuele netwerken van Azure voor ondernemingen.
- Bescherm uw bedrijfsmiddelen met behulp van ingebouwde besturingselementen voor toegang tot identiteiten, gegevens en netwerken, waaronder aangepaste rollen.
- Beperk toegang tot alleen uw bedrijfsnetwerk of pas Azure-beveiligingsbeleidsregels toe.
- Beheer governance en besturingselementen met het beheren van audittrails, quota en kosten en een uitgebreide nalevingsportfolio.
Betaal uitsluitend voor wat u nodig hebt zonder kosten vooraf
Ga naar de pagina met prijzen voor Azure Machine Learning voor meer informatie.
Informatie over het gebruik van Azure Machine Learning
Ga naar uw studiowebervaring
Bouw en train
Implementeren en beheren
U kunt 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. U kunt ook 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.
Bronnen
Zelfstudies voor beginners
Geavanceerde zelfstudies
Aanbevolen video's
- Aan de slag met Azure Machine Learning
- Geautomatiseerde machine learning gebruiken om modellen te bouwen
- Modellen zonder code bouwen met het ontwerpprogramma van Azure Machine Learning
- MLOps voor het beheer van de end-to-end levenscyclus
- ONNX Runtime in uw modellen opnemen
- Interpreteerbaarheid en transparantie van modellen
- Modellen bouwen met R
Ga vandaag nog aan de slag met Azure Machine Learning
Klanten die Azure Machine Learning gebruiken
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."
Matthieu Boujonnier, Analytics Application Architect and Data Scientist, Schneider Electric"With Azure Machine Learning, we can focus our testing on the most accurate models and avoid testing a large range of less valuable models. That saves months of time."
Diana Kennedy, Vice President for IT Strategy, Architecture and Planning, BP"A key part of our transformation has been to embrace the cloud and the digital solutions and services that come with it. This includes a deep dive into AI and machine learning."
Naeem Khedarun, Principal Software Engineer (AI), ASOS"By unifying our tech stack and bringing our engineers in Big Data and online software together with data scientists, we got our development time down from months to just a few weeks."
Phil Harris, assistant professor of physics, MIT"The [Large Hadron Collider in Europe] pushes technology on many fronts...and produces data rates that are the largest in the world. We are an example of how to do analysis of large datasets."
Borrowell helpt klanten hun kredietwaardigheid te verbeteren met behulp van kunstmatige intelligentie
Voor hun innovatieve AI-technologie gebruikt Borrowell kredietscores om aanbevelingen te doen waarmee de kredietwaardigheid en het financiële welzijn van hun Canadese klanten kunnen worden verbeterd.
Updates, blogs en aankondigingen met betrekking tot Azure Machine Learning
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.