Azure Machine Learning

Usługa uczenia maszynowego klasy korporacyjnej umożliwiająca szybsze kompilowanie i wdrażanie modeli

Przyspiesz całościowy cykl uczenia maszynowego

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—DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.

Machine Learning for all skill levels

Produktywność na wszystkich poziomach umiejętności dzięki projektantowi przeciągania i upuszczania opartemu na kodzie oraz zautomatyzowanemu uczeniu maszynowemu.

Kompleksowa metodyka MLOps

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

Responsible machine learning innovation

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

Otwartość i międzyoperacyjność

Najlepsza w swojej klasie obsługa platformy typu open source oraz języków, takich jak MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python i R.

Boost productivity with machine learning for all skills

Rapidly build and deploy machine learning models using tools that meet your needs regardless of skill level. Use built-in Jupyter Notebooks with Intellisense or the drag-and-drop designer. Accelerate model creation with automated machine learning, and access powerful feature engineering, algorithm selection, and hyperparameter-sweeping capabilities. Increase team efficiency with shared datasets, notebooks, models, and customizable dashboards that track all aspects of the machine learning process.

Operationalize at scale with 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 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.

Build responsible machine learning solutions

Access state-of-the-art responsible machine learning capabilities to understand, protect, and control 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.

Innovate on an open and flexible 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, 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.

Advanced security, governance, and hybrid infrastructure

  • Train models on your hybrid infrastructure using Kubernetes clusters on-premises, across multicloud environments, and at the edge with Azure Arc interoperability.
  • Access security capabilities such as role-based access, custom machine learning roles, virtual networks, and private links. Manage governance with policies, audit trails, quota, and cost management.
  • Usprawnij zapewnianie zgodności dzięki kompleksowej ofercie obejmującej 60 certyfikatów, w tym FedRAMP High i DISA IL5.

Najważniejsze możliwości usługi

Notesy do współpracy

Technologia IntelliSense, łatwe obliczenia i przełączanie jądra oraz edytowanie notesów w trybie offline pozwalają zmaksymalizować produktywność.

Zautomatyzowane uczenie maszynowe

Szybko twórz dokładne modele klasyfikacji, regresji i prognozowania szeregów czasowych. Używaj możliwości interpretowania modelu, aby zrozumieć sposób utworzenia modelu.

Uczenie maszynowe z funkcją przeciągania i upuszczania

Korzystaj z narzędzi uczenia maszynowego, takich jak projektant z modułami do przekształcania danych, szkolenia i oceniania modelu oraz do łatwego tworzenia i publikowania potoków uczenia maszynowego.

Etykietowanie danych

Szybko przygotowuj dane, zarządzaj projektami etykietowania i monitoruj je oraz automatyzuj zadania iteracyjne przy użyciu etykietowania wspomaganego przez uczenie maszynowe.

MLOps

Używaj rejestru centralnego do przechowywania i śledzenia danych, modeli oraz metadanych. Automatycznie przechwytuj pochodzenie danych i dane dotyczące ładu. Za pomocą narzędzia Git śledź pracę i używaj funkcji GitHub Actions do implementowania przepływów pracy. Zarządzaj przebiegami i monitoruj je lub porównuj wiele przebiegów na potrzeby szkoleń i eksperymentów.

Obliczanie skalowania automatycznego

Używaj obliczeń zarządzanych do rozpowszechniania szkoleń i szybkiego testowania, weryfikowania oraz wdrażania modeli. Udostępniaj klastry procesorów CPU i GPU w obszarze roboczym i skaluj automatycznie w celu zaspokojenia potrzeb dotyczących uczenia maszynowego.

Głęboka integracja z innymi usługami platformy Azure

Accelerate productivity with built-in integration with Microsoft Power BI and Azure services such as Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc and Azure Databricks.

Hybrid and multicloud support

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

Uczenie przez wzmacnianie

Skaluj uczenie przez wzmacnianie na zaawansowane klastry obliczeniowe, obsługuj scenariusze z wieloma agentami, uzyskuj dostęp środowisk, struktur i algorytmów uczenia przez wzmacnianie typu open-source.

Odpowiedzialne uczenie maszynowe

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

Bezpieczeństwo klasy korporacyjnej

Bezpieczniej twórz i wdrażaj modele dzięki funkcjom, takim jak izolacja sieciowa i łącze prywatne, kontrola dostępu na podstawie ról dla zasobów i akcji, role niestandardowe i tożsamość zarządzana dla zasobów obliczeniowych.

Zarządzanie kosztami

Lepiej zarządzaj alokacjami zasobów dla wystąpień obliczeniowych usługi Azure Machine Learning za pomocą limitów przydziału na poziomie obszaru roboczego i zasobu.

Płać wyłącznie za potrzebne zasoby bez kosztów ponoszonych z góry

Zobacz Cennik usługi Azure Machine Learning.

Sprawne posługiwanie się usługą Azure Machine Learning

Mistrzowskie techniki ekspertów do tworzenia zautomatyzowanych i wysoce skalowalnych, kompleksowych modeli uczenia maszynowego oraz potoków na platformie Azure przy użyciu biblioteki TensorFlow, platform Spark i Kubernetes.

Principles of Data Science

Wiele osób pracujących z danymi zdobyło umiejętności z zakresu matematyki, programowania lub obsługi domen, ale rzeczywista nauka o danych wymaga wszystkich trzech. Ta kompleksowa książka elektroniczna pomaga wypełnić luki.

Raport Forrester Wave — Lider 2020

Firma Forrester wskazuje w raporcie Forrester Wave™ firmę Microsoft i jej usługę Azure Machine Learning jako lidera: Analiza predykcyjna oparta na notesach i uczenie maszynowe, 3. kwartał 2020 r.

Jak korzystać z usługi Azure Machine Learning

Przejdź do środowiska internetowego w studio

Tworzenie i szkolenie

Wdrażanie i zarządzanie

Krok 1 z 1

Twórz nowe modele i przechowuj 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. Twórz modele przy użyciu notesów lub projektanta przeciągania i upuszczania.

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.

Zacznij korzystać z usługi Azure Machine Learning już dzisiaj

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

"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."

Jolie Vitale: dyrektor ds. analizy biznesowej i analityki, 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, Head of Data Analytics and Artificial Intelligence, Scandinavian Airlines
Scandinavian Airlines

"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."

Dean Riddlesden, starszy analityk danych, analiza globalna, Walgreens Boots Alliance
Walgreens Boots Alliance

"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 i lider zespołu ds. danych pomocniczych, analiz i sztucznej inteligencji, EY Canada
EY

Aktualizacje, blogi i ogłoszenia dotyczące usługi Azure Machine Learning

Często zadawane pytania dotyczące usługi Azure Machine Learning

  • Ta usługa jest ogólnie dostępna w niektórych krajach/regionach i ich liczba ciągle się zwiększa.
  • The service-level agreement (SLA) for Azure Machine Learning is 99.9 percent uptime.
  • Azure Machine Learning studio is the top-level resource for Machine Learning. This capability provides a centralized place for data scientists and developers to work with all the artifacts for building, training, and deploying machine learning models.

Wszystko gotowe — utwórz bezpłatne konto platformy Azure