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.

Uczenie maszynowe na wszystkich poziomach umiejętności

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

Najnowocześniejsze i odpowiedzialne uczenie maszynowe

Niezawodne możliwości MLOps, które są integrowane z istniejącymi procesami metodyki DevOps i pomagają zarządzać całym cyklem życia uczenia maszynowego.

Najnowocześniejsze i odpowiedzialne uczenie maszynowe

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.

Otwartość i międzyoperacyjność

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

Zwiększanie produktywności dzięki usłudze 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, aby rozpocząć pracę z wizualnym uczeniem maszynowym lub wbudowanymi notesami Jupyter Notebook do współpracy w celu zapewnienia środowiska opartego na kodzie. Przyspieszaj tworzenie modeli za pomocą zautomatyzowanego uczenia maszynowego i używaj wbudowanych opcji inżynierii funkcji, wybierania algorytmów oraz oczyszczania hiperparametrów do tworzenia modeli o dużej dokładności.

Operacjonalizacja na dużą skalę dzięki 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. Automatycznie zachowuj dzienniki inspekcji, śledź pochodzenie danych i używaj modelowych arkuszy danych w celu zapewniania odpowiedzialności.

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.

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 metodą przeciągania i upuszczania

Korzystaj z projektanta z modułami do przekształcania danych, szkolenia i oceniania modelu oraz do tworzenia i publikowania potoków uczenia maszynowego kilkoma kliknięciami.

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. Klastry procesorów CPU i GPU mogą być współużytkowane w obszarze roboczym i automatycznie skalowane w celu zaspokojenia potrzeb dotyczących uczenia maszynowego.

Integracja z programem RStudio

Wbudowana obsługa języka R i integracji z programem RStudio Server (w wersji open source) do tworzenia i wdrażania modeli oraz przebiegów monitorowania.

Głęboka integracja z innymi usługami platformy Azure

Szybko zwiększaj produktywność dzięki wbudowanej integracji z usługami platformy Azure, takimi jak Azure Synapse Analytics, Cognitive Search, Power BI, Azure Data Factory, Azure Data Lake i Azure Databricks.

Uczenie przez wzmacnianie

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

Odpowiedzialne uczenie maszynowe

Zyskaj przejrzystość modelu przy szkoleniu i wnioskowaniu dzięki funkcjom możliwości interpretowania. Oceniaj uczciwość modelu poprzez metryki rozbieżności i ograniczaj nieuczciwość. Chroń dane, używając prywatności różnicowej.

Zabezpieczenia klasy korporacyjnej

Bezpiecznie 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 środowiska obliczeniowego usługi Azure Machine Learning za pomocą limitów przydziału na poziomie obszaru roboczego i zasobu.

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

Krok 1 z 1

Możesz tworzyć nowe modele i przechowywać 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. Możesz również tworzyć 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

Scandinavian Airlines

Korzystając z rozwiązania Azure Machine Learning, SAS dokładnie identyfikuje oszustwa ze skutecznością, która była niemożliwa do osiągnięcia przy użyciu metod ręcznych. W przypadku wstecznego rejestrowania lotu w celu uzyskania mil EuroBonus — typowego źródła oszustw — nowy system przewiduje oszustwo z dokładnością 99%.

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

"The automated machine learning capabilities in Azure Machine Learning save our data scientists from doing a lot of time-consuming work, which reduces our time to build models from several weeks to a few hours."

Xiaodong Wang: Dyrektor naczelny, TalentCloud
TalentCloud

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.
  • 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.

Wszystko gotowe — utwórz bezpłatne konto platformy Azure