Azure Machine Learning
Usługa uczenia maszynowego klasy korporacyjnej umożliwiająca szybsze kompilowanie i wdrażanie modeli
Przyspiesz całościowy cykl uczenia maszynowego
Zwiększaj możliwości deweloperów i analityków danych dzięki szerokiej gamie produktywnych środowisk, które pozwalają na szybsze kompilowanie, trenowanie i wdrażanie modeli uczenia maszynowego. Skracaj czas wprowadzania produktów na rynek i wspieraj współpracę zespołów dzięki wiodącej w branży metodyce MLOps—DevOps w dziedzinie uczenia maszynowego. Wprowadzaj innowacje na bezpiecznej, zaufanej platformie zaprojektowanej pod kątem odpowiedzialnego korzystania z uczenia maszynowego.
Produktywność na wszystkich poziomach umiejętności dzięki funkcjom typu „Code First”, projektantowi przeciągania i upuszczania oraz zautomatyzowanemu uczeniu maszynowemu
Niezawodne możliwości MLOps, które są integrowane z istniejącymi procesami metodyki DevOps i pomagają zarządzać całym cyklem życia usługi ML
Możliwości odpowiedzialnego uczenia maszynowego — poznawanie modeli z uwzględnieniem możliwości interpretowania i sprawiedliwości, ochrona danych przy użyciu prywatności różnicowej i poufnego przetwarzania oraz kontrolowanie cyklu życia uczenia maszynowego za pomocą dzienników inspekcji i arkuszy danych.
Najlepsza w swojej klasie obsługa platformy typu open source oraz języków, takich jak MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python i R
Zwiększanie produktywności i dostęp do usługi ML na wszystkich poziomach umiejętności
Szybko twórz i wdrażaj modele uczenia maszynowego za pomocą narzędzi spełniających Twoje oczekiwania bez względu na poziom umiejętności. Używaj projektanta bez kodu w celu rozpoczęcia pracy lub wbudowanych notesów Jupyter Notebook w celu pracy w środowisku typu „code-first”. Przyspieszaj tworzenie modeli za pomocą interfejsu użytkownika zautomatyzowanego uczenia maszynowego i używaj wbudowanych opcji inżynierii funkcji, wybierania algorytmów oraz oczyszczania hiperparametrów do tworzenia modeli o dużej dokładności.
Operacjonalizacja w odpowiedniej skali dzięki niezawodnej metodyce MLOps
Metodyka MLOps lub DevOps w przypadku uczenia maszynowego usprawnia cykl życia uczenia maszynowego, od kompilowania modeli do wdrażania i zarządzania. Używaj potoków usługi ML do kompilowania powtarzalnych przepływów pracy oraz zaawansowanego rejestru modeli do śledzenia zasobów. Zarządzaj produkcyjnymi przepływami pracy w odpowiedniej skali przy użyciu zaawansowanych możliwości obsługi alertów oraz automatyzacji uczenia maszynowego. Profiluj, weryfikuj i wdrażaj modele uczenia maszynowego w dowolnym miejscu, od chmury do brzegu sieci, aby zarządzać produkcyjnymi przepływami pracy usługi ML w odpowiedniej skali i w sposób gotowy do użycia w przedsiębiorstwa.
Opracowywanie odpowiedzialnych rozwiązań uczenia maszynowego
Korzystaj z najlepszych funkcji odpowiedzialnego uczenia maszynowego, aby analizować, chronić i kontrolować swoje dane, modele i procesy. Wyjaśniaj zachowanie modelu podczas trenowania i wnioskowania oraz twórz rozwiązania kierujące się regułą sprawiedliwości przez wykrywanie i łagodzenie błędów modelu. Zachowaj prywatność danych w całym cyklu życia uczenia maszynowego, korzystając z technik prywatności różnicowej, i zabezpieczaj zasoby uczenia maszynowego za pomocą poufnego przetwarzania. Stosuj zasady, używaj pochodzenia i kontroluj zasoby w celu spełniania standardów prawnych.
Innowacje na otwartej i elastycznej platformie
Korzystaj z wbudowanej pomocy technicznej dotyczącej platform i narzędzi typu open source na potrzeby wnioskowania i trenowania modeli uczenia maszynowego. Używaj znanych platform, takich jak PyTorch, TensorFlow i scikit-learn, lub międzyoperacyjnego formatu ONNX. Wybieraj narzędzia deweloperskie, które najlepiej spełniają Twoje potrzeby, w tym popularne środowiska IDE, notesy Jupyter Notebook i interfejsy wiersza polecenia — lub języki, takie jak Python i R. Korzystaj ze środowiska uruchomieniowego ONNX, aby optymalizować i przyspieszać wnioskowanie na urządzeniach w sieci i na brzegu sieci.
Zaawansowane zabezpieczenia i nadzór
- Zyskaj zabezpieczenia od podstaw i twórz rozwiązania w zaufanej chmurze dzięki platformie Azure.
- Chroń dostęp do zasobów za pomocą szczegółowego dostępu opartego na rolach, ról niestandardowych i wbudowanych mechanizmów uwierzytelniania tożsamości.
- Bezpiecznie twórz, trenuj i wdrażaj modele dzięki odizolowaniu sieci przy użyciu sieci wirtualnych i linków prywatnych.
- Zarządzaj nadzorem za pomocą zasad, dzienników inspekcji, limitu przydziału i kosztów zarządzania.
- Usprawnij zapewnianie zgodności dzięki kompleksowej ofercie obejmującej 60 certyfikatów, w tym FedRAMP High i DISA IL5.
Płać wyłącznie za potrzebne zasoby bez kosztów ponoszonych z góry
Szczegóły można znaleźć na stronie szczegółów cen usługi Azure Machine Learning.
Jak korzystać z usługi Azure Machine Learning
Przejdź do środowiska internetowego w studio
Tworzenie i szkolenie
Wdrażanie i zarządzanie
Możesz tworzyć nowe modele i przechowywać docelowe obiekty obliczeniowe, modele, wdrożenia, metryki i historie wykonywania w chmurze.
Zautomatyzowane uczenie maszynowe pozwala identyfikować algorytmy i hiperparametry oraz śledzić eksperymenty w chmurze. Możesz również tworzyć modele przy użyciu notesów lub projektanta przeciągania i upuszczania.
Wdrażaj modele uczenia maszynowego w chmurze lub na brzegu sieci, monitoruj ich wydajność i przeprowadzaj ich ponowne trenowanie, jeśli zajdzie taka potrzeba.
Zasoby
Samouczki dla początkujących
Samouczki zaawansowane
Polecane wideo
- Rozpocznij pracę z usługą Azure Machine Learning
- Kompilowanie modeli przy użyciu zautomatyzowanego uczenia maszynowego
- Kompilowanie modeli bez kodu przy użyciu projektanta usługi Azure Machine Learning
- Metodologia MLOps w kompleksowym zarządzaniu cyklem życia
- Włączanie do modeli środowiska uruchomieniowego ONNX
- Możliwość interpretowania i przezroczystość modelu
- Kompilowanie modeli przy użyciu języka R
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.
Zapoznaj się z dokumentacją i samouczkami. Znajdź przewodniki Szybki start i zasoby dla deweloperów.
Klienci korzystający z usługi Azure Machine Learning
Dean Riddlesden, starszy analityk danych, analiza globalna, 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, architekt aplikacji analitycznych i analityk danych, 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, wiceprezes ds. strategii IT, architektura i planowanie, 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, główny inżynier ds. oprogramowania (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, adiunkt w katedrze fizyki, 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."
Firma Borrowell pomaga klientom poprawić zdolność kredytową dzięki zastosowaniu sztucznej inteligencji
Innowacyjna technologia AI firmy Borrowell używa ocen kredytowych, aby oferować klientom w Kanadzie rekomendacje zwiększające ich zdolność kredytową i możliwości finansowe.
Aktualizacje, blogi i ogłoszenia dotyczące usługi Azure Machine Learning
-
OGŁOSZENIE
Będąca w wersji zapoznawczej usługa Azure Open Datasets oferuje dostęp do nadzorowanych zestawów danych.
-
21 maja, 2020
Meeting the challenges of today and tomorrow with Azure AI
-
AKTUALIZACJA
Innowacje w zakresie odpowiedzialnego uczenia maszynowego w usłudze Azure Machine Learning
-
AKTUALIZACJA
Usługa Azure Machine Learning — nowości z konferencji Build 2020
-
19 maja, 2020
Build AI you can trust with responsible ML
-
AKTUALIZACJA
Azure Machine Learning — dostępna jest nowa funkcja przesyłania strumieniowego dzienników
-
AKTUALIZACJA
Usługa Azure Machine Learning dostępna w regionach chmury US Gov
-
AKTUALIZACJA
Integracja usługi Azure Stream Analytics z usługą Azure Machine Learning (w wersji zapoznawczej)
-
21 stycznia, 2020
MLOps—the path to building a competitive edge
Często zadawane pytania dotyczące usługi Azure Machine Learning
-
Ta usługa jest ogólnie dostępna w niektórych krajach/regionach i ich liczba ciągle się zwiększa.
-
Umowa dotycząca poziomu usług (SLA) usługi Azure Machine Learning gwarantuje jej dostępność przez 99,9 procent czasu.
-
Studio usługi Azure Machine Learning jest zasobem najwyższego poziomu dla usługi uczenia maszynowego. Oferuje ono scentralizowane miejsce, w którym analitycy danych i deweloperzy mogą pracować ze wszystkimi artefaktami na potrzeby kompilowania, trenowania i wdrażania modeli uczenia maszynowego.