Pomiń nawigację

Usługa Azure Machine Learning

Przyspieszanie uczenia maszynowego z chmury do urządzeń brzegowych

Dlaczego warto korzystać z usługi Azure Machine Learning?

Produktywne

Przeprowadzaj więcej eksperymentów i szybciej twórz modele dzięki zautomatyzowanemu uczeniu maszynowemu i zarządzanym usługom obliczeniowym.

Otwarty

Korzystaj z bibliotek uczenia maszynowego i zintegrowanych środowisk projektowych, które już znasz.

Zaufane

Korzystaj z gotowości do użycia w przedsiębiorstwie dzięki funkcjom zabezpieczeń i zgodności platformy Azure oraz obsłudze sieci wirtualnych.

Hybrydowe

Twórz i trenuj modele uczenia maszynowego, a także zarządzaj nimi oraz wdrażaj z chmury do urządzeń brzegowych.

Co jest dołączone do usługi Azure Machine Learning

Zautomatyzowane uczenie maszynowe i strojenie hiperparametrów

Szybciej zidentyfikuj najlepsze algorytmy dzięki zautomatyzowanemu uczeniu maszynowemu i skutecznie znajdź najlepszy model dzięki inteligentnemu dostrajaniu hiperparametrów.

Kontrola wersji i odtwarzanie

Przeprowadzaj więcej eksperymentów dzięki śledzeniu i rejestrowaniu eksperymentów na potrzeby odtwarzania i modyfikowania.

Obsługa bibliotek open source i środowisk IDE

Korzystaj z bibliotek uczenia maszynowego, takich jak Tensorflow, PyTorch czy scikit-learn. Usługę Azure Machine Learning możesz zintegrować ze swoim ulubionym środowiskiem IDE języka Python, w tym Visual Studio Code, Visual Studio, notesami usługi Azure Databricks lub notesami usługi Jupyter.

Zarządzanie modelami

Aktywnie zarządzaj modelami i monitoruj je przy użyciu rejestru obrazów i modeli oraz uaktualniaj je za pośrednictwem zintegrowanych możliwości ciągłej integracji i ciągłego wdrażania.

Wdrażanie hybrydowe

Wdrażaj modele w miejscach, w których są najbardziej potrzebne, dzięki zarządzanym wdrożeniom w chmurze i na urządzeniach brzegowych.

Rozproszone uczenie głębokie

Szybciej twórz lepsze modele przy użyciu wielkich, zarządzanych klastrów procesorów GPU. Szybko trenuj modele dzięki rozproszonemu uczeniu głębokiemu i wdrażaj je na układach FPGA.

Jak korzystać z usługi Azure Machine Learning

Krok 1. Tworzenie obszaru roboczego

Zainstaluj zestaw SDK i utwórz swój obszar roboczy do przechowywania zasobów obliczeniowych, modeli, wdrożeń i historii uruchamiania w chmurze.

Krok 2. Uczenie modelu

Trenuj model lokalnie lub w chmurze, używając bibliotek uczenia maszynowego typu open source. Śledź swoje eksperymenty i łatwo skaluj uczenie na zewnątrz lub do wewnątrz dzięki zarządzanym zasobom obliczeniowym w chmurze.

Krok 3. Wdrażanie i zarządzanie

Wdróż model w środowisku testowym lub produkcyjnym, aby generować przewidywania. Wdróż go do chmury lub urządzeń brzegowych bądź skorzystaj z modeli przyspieszanych sprzętowo, aby uzyskać superszybkie wnioskowanie. Gdy model znajduje się w środowisku produkcyjnym, możesz go monitorować pod kątem wydajności i dryfu danych.

Powiązane produkty i usługi

Azure Databricks

Szybka i łatwa w obsłudze platforma analityczna do pracy zespołowej bazująca na projekcie Apache Spark

Machine Learning Studio

Łatwe tworzenie i wdrażanie rozwiązań do analiz predykcyjnych oraz zarządzanie nimi

Maszyny wirtualne do analizy danych

Rozbudowane wstępnie skonfigurowane środowisko do rozwijania sztucznej inteligencji

Podejmuj trafniejsze decyzje dzięki usłudze Azure Machine Learning