Usługa Azure Machine Learning

Szybkie tworzenie modeli i operowanie na dużą skalę od chmury do urządzeń brzegowych

Przyspiesz całościowy cykl uczenia maszynowego

Usprawniaj tworzenie, trenowanie oraz wdrażanie modeli uczenia maszynowego. Szybciej wprowadzaj na rynek modele uczenia maszynowego, korzystając z wybranych narzędzi i środowisk, zwiększaj produkcyjność dzięki zautomatyzowanemu uczeniu maszynowemu i opracowuj innowacje na bezpiecznej platformie przygotowanej do obsługi przedsiębiorstw.

Uproszczone uczenie maszynowe z zaawansowanymi, niewymagającymi kodowania i zautomatyzowanymi możliwościami uczenia maszynowego oraz obsługa narzędzi typu open source

Niezawodna metodologia DevOps dla uczenia maszynowego integrująca się z istniejącymi procesami DevOps i pomagająca zarządzać kompletnym cyklem życia uczenia maszynowego

Skaluj na żądanie ze swojego komputera, twórz i wdrażaj modele uczenia maszynowego w dowolnym miejscu od chmury do urządzeń brzegowych

Odpowiednie dla przedsiębiorstw zabezpieczenia platformy Azure, kontrola i ład pomagają chronić Twoją infrastrukturę i możliwości

Dostęp do uproszczonego uczenia maszynowego

Szybko twórz i wdrażaj modele uczenia maszynowego za pomocą narzędzi spełniających Twoje oczekiwania w zakresie poziomów umiejętności — od rozwiązań niewymagających w ogóle kodowania do tych opartych na kodzie. Korzystaj z wizualnego interfejsu obsługującego metodę przeciągnij i upuść, hostowanego środowiska notesu lub zautomatyzowanego uczenia maszynowego. Przyspieszaj opracowywanie modelu za pomocą zautomatyzowanej inżynierii funkcji, wybierania algorytmu i czyszczenia hiperparametrów. Uzyskaj wbudowaną obsługę znanych narzędzi i środowisk typu open source, takich jak ONNX, Python, PyTorch, scikit-learn i TensorFlow.

Szybsze opracowywanie innowacji dzięki niezawodnej metodologii MLOps

MLOps — metodologia DevOps dla uczenia maszynowego — usprawnia kompleksowo cykl życia od momentu przygotowania danych do ich wdrożenia i monitorowania. Upraszczaj przepływy pracy i zwiększaj wydajność za pomocą potoków uczenia maszynowego. Korzystaj z ciągłej integracji i ciągłego dostarczania (CI/CD) w celu ułatwienia obsługi i konserwacji przy jednoczesnym podnoszeniu jakości modelu w czasie. Zarządzaj artefaktami modelu z centralnego punktu i monitoruj wydajność wdrożonych modeli.

Korzystaj z chmury na żądanie z poziomu komputera

Korzystaj z dowolnych danych i wdrażaj modele uczenia maszynowego w dowolnym miejscu od chmury do urządzeń brzegowych w celu zmaksymalizowania elastyczności. Szybko i niedrogo trenuj modele oraz przeprowadzaj skalowanie automatyczne dzięki zaawansowanym zasobom obliczeniowym procesorów CPU i GPU. Przeprowadzaj wnioskowanie w czasie rzeczywistym w chmurze lub na brzegu sieci, korzystając z układów FPGA.

Chroń swoją infrastrukturę i rozwiązania

Twórz modele uczenia maszynowego, korzystając z obsługi odpowiednich dla przedsiębiorstwa zabezpieczeń, zgodności i sieci wirtualnych platformy Azure spełniających wszelkie wymagania nauki o danych. Chroń swoje obciążenia za pomocą wbudowanych mechanizmów sprawdzania tożsamości, danych i sieci na platformie Azure będących najbardziej wszechstronnym zestawem rozwiązań dostępnym wśród dostawców usług w chmurze.

Płać wyłącznie za potrzebne zasoby bez kosztów ponoszonych z góry

Płać tylko za zasoby platformy Azure, których potrzebujesz przez ograniczony czas. Aby uzyskać więcej szczegółów, w tym informacje o koszcie wdrażania modeli, zobacz stronę cennika usługi Azure Machine Learning Service.

Jak korzystać z usługi Azure Machine Learning

Tworzenie obszaru roboczego

Tworzenie i szkolenie

Wdrażanie i zarządzanie

Krok 1 z 1

Przechowuj swoje docelowe obiekty obliczeniowe, modele, wdrożenia, metryki i historie wykonywania w chmurze.

Krok 1 z 1

Zautomatyzowane uczenie maszynowe pozwala identyfikować algorytmy i hiperparametry oraz śledzić eksperymenty w chmurze.

Krok 1 z 1

Wdrażaj modele uczenia maszynowego w chmurze lub na brzegu sieci, monitoruj ich wydajność i przeprowadzaj ich ponowne trenowanie, jeśli zajdzie taka potrzeba.

Zasoby wprowadzenia

Pierwszy eksperyment

Po utworzeniu obszaru roboczego dla usługi Azure Machine Learning dowiedz się, jak uruchomić eksperyment za pomocą zestawu SDK dla języka Python lub interfejsu wizualnego.

Samouczki i przykłady

Trenuj i wdrażaj modele uczenia maszynowego, bazując na zdalnych zasobach obliczeniowych. Użyj zestawu SDK na potrzeby klasyfikacji obrazów (dane MNIST) lub regresji (dane dotyczące taksówek w Nowym Jorku) albo użyj interfejsu wizualnego, aby przewidywać ceny (dane rynku motoryzacyjnego).

Rozpocznij korzystanie z usługi Azure Machine Learning Service już dziś

Uzyskaj błyskawiczny dostęp i środki w wysokości $200, tworząc bezpłatne konto platformy Azure.

Zaloguj się w witrynie Azure Portal.

Klienci korzystający z usługi Azure Machine Learning Service

BP
Walgreens Boots Alliance
Schneider Electric
TAL
Asos
Wipro

Aktualizacje, blogi i ogłoszenia dotyczące platformy Azure

Często zadawane pytania dotyczące usługi Azure Machine Learning Service

  • Ta usługa jest ogólnie dostępna w niektórych krajach/regionach i ich liczba ciągle się zwiększa.
  • Umowa dotycząca poziomu usług (SLA) usługi Azure Machine Learning Service gwarantuje jej dostępność na poziomie 99,9 procent.
  • Obszar roboczy usługi Azure Machine Learning Service jest zasobem najwyższego poziomu dla tej usługi. Udostępnia on scentralizowane miejsce do pracy ze wszystkimi utworzonymi artefaktami.

Wszystko gotowe — utwórz bezpłatne konto platformy Azure