Azure Machine Learning

Machine learning-service van enterpriseklasse om modellen sneller te bouwen en te implementeren

Versnel de end-to-end machine learning-levenscyclus

Empower data scientists and developers with a wide range of productive experiences to build, train, and deploy machine learning models and foster team collaboration. Accelerate time to market with industry-leading MLOps—machine learning operations, or DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.

Machine learning voor alle vaardigheidsniveaus

Productivity for all skill levels, with Jupyter Notebooks, drag-and-drop designer, and automated machine learning

End-to-end-MLOps

Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows

Verantwoordelijke machine learning-innovatie

Rich set of built-in responsible capabilities to understand, protect, and control data, models, and processes

Open en interoperabel

Best-in-class support for open-source frameworks and languages including MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, and R

Boost productivity with machine learning for all skill levels

Bouw en implementeer snel machine learning-modellen met hulpprogramma's die aan uw behoeften voldoen, ongeacht het vaardigheidsniveau. Gebruik ingebouwde Jupyter-notebooks met IntelliSense of de designer voor slepen en neerzetten. Versnel het maken van modellen met geautomatiseerde machine learning en krijg toegang tot krachtige functies voor het ontwikkelen van functies, het selecteren van algoritmen en mogelijkheden voor het opruimen van hyperparameters. Vergroot de efficiëntie van het team met gedeelde gegevenssets, notebooks, modellen en aanpasbare dashboards waarmee alle aspecten van het machine learning-proces worden bijgehouden.

Geschaald operationaliseren met MLOps

Take advantage of MLOps to streamline the machine learning lifecycle, from building models to deployment and management. Create reproducible workflows with machine learning pipelines, and train, validate, and deploy thousands of models at scale, from the cloud to the edge. Use managed online and batch endpoints to seamlessly deploy and score models without managing the underlying infrastructure. Use Azure DevOps or GitHub Actions to schedule, manage, and automate the machine learning pipelines, and use advanced data-drift analysis to improve model performance over time.

Bouw verantwoordelijke machine learning-oplossingen

Access state-of-the-art responsible machine learning capabilities to understand, control, and help protect your data, models, and processes. Explain model behavior during training and inferencing, and build for fairness by detecting and mitigating model bias. Preserve data privacy throughout the machine learning lifecycle with differential privacy techniques and use confidential computing to secure machine learning assets. Automatically maintain audit trails, track lineage, and use model datasheets to enable accountability.

Innoveren op een open en flexibel platform

Get built-in support for open-source tools and frameworks for machine learning model training and inferencing. Use familiar frameworks like PyTorch, TensorFlow, or scikit-learn, or the open and interoperable ONNX format. Choose the development tools that best meet your needs, including popular IDEs, Visual Studio Code, Jupyter Notebooks, and CLIs, or languages such as Python and R. Use ONNX Runtime to optimize and accelerate inferencing across cloud and edge devices. Track all aspects of your training experiments using MLflow.

Ontwikkel uw vaardigheden op het gebied van machine learning met Azure

Ontdek meer over machine learning in Azure en neem deel aan praktijkgerichte zelfstudies met dit leertraject van 30 dagen. Aan het einde van dit leertraject bent u goed voorbereid om het examen voor de Azure Data Scientist Associate-certificering af te leggen.

Geavanceerde beveiliging, governance en hybride infrastructuur

  • Train modellen on-premises, in omgevingen met meerdere clouds en aan de rand op uw hybride infrastructuur met behulp van Kubernetes-clusters met Azure Arc-interoperabiliteit.
  • Krijg toegang tot beveiligingsmogelijkheden zoals op rollen gebaseerde toegang, aangepaste machine learning-rollen, 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

Maximize productivity with IntelliSense, easy compute and kernel switching, and offline notebook editing. Launch your notebook in Visual Studio Code for a rich development experience, including secure debugging and support for Git source control.

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

Use the central registry to store and track data, models, and metadata. Automatically capture lineage and governance data. Use Git to track work and GitHub Actions to implement workflows. Manage and monitor runs, or compare multiple runs for training and experimentation. Use managed endpoints to operationalize model deployment and scoring, log metrics, and perform safe model rollouts.

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.

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, Azure Arc en Azure Databricks.

Ondersteuning voor hybride clouds en meerdere clouds

Run machine learning on existing Kubernetes clusters on-premises, in multicloud environments, and at the edge with Azure Arc. Use the one-click machine learning agent to start training models more securely, wherever your data lives.

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

Get model transparency at training and inferencing with interpretability capabilities. Assess model fairness through disparity metrics and mitigate unfairness. Help protect data with differential privacy and confidential machine learning pipelines.

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

Zie deprijsinformatie voor Azure Machine Learning

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.

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.

A Forrester Wave Leader 2020

Forrester noemt Microsoft Azure Machine Learning toonaangevend in The Forrester Wave™: Notebook-Based Predictive Analytics And Machine Learning, Q3 2020.

Informatie over het gebruik van Azure Machine Learning

Ga naar uw studiowebervaring

Bouw en train

Implementeren en beheren

Stap 1 van 1

Nieuwe modellen ontwerpen en uw rekendoelen, modellen, implementaties, metrische gegevens en uitvoeringsgeschiedenissen opslaan in de cloud.

Stap 1 van 1

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.

Stap 1 van 1

Implementeer uw machine learning-model in de cloud of aan de rand, bewaak prestaties en train het model zo nodig opnieuw.

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.

Klanten die Azure Machine Learning gebruiken

"The model we deployed on Azure Machine Learning helped us choose three new retail locations. Those stores exceeded their revenue plans by over 200 percent [that] December, the height of our season, and within months of opening were among the best-performing stores in their districts."

Jolie Vitale, Director of BI and Analytics, Carhartt
Carhartt

"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

"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."

Joey Chua, Senior Manager Machine Learning Engineering, AGL
AGL

"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."

Daniel Engberg, hoofd Data Analytics and Artificial Intelligence, Scandinavian Airlines
Scandinavian Airlines

"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, Senior Director of Shopper Insights Data Science and Advanced Analytics, PepsiCo
PepsiCo

"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."

Alex Mohelsky, Partner and Advisory Data, Analytic, and AI Leader, EY Canada
EY

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 biedt een uptime van 99,9 procent.
  • De Azure Machine Learning-studio is voor machine learning de resource op het hoogste niveau. Deze mogelijkheid 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.

Bent u er klaar voor? Stel een gratis Azure-account in