Azure Machine Learning
Udostępnij wszystkim użytkownikom możliwość korzystania ze sztucznej inteligencji dzięki kompleksowej, skalowalnej i zaufanej platformie wyposażonej w usługi eksperymentowania i zarządzania modelami
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—machine learning operations, or DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.
Uczenie maszynowe dla wszystkich poziomów umiejętności
Productivity for all skill levels, with Jupyter Notebooks, drag-and-drop designer, and automated machine learning
Kompleksowa metodyka MLOps
Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows
Odpowiedzialne innowacje w zakresie uczenia maszynowego
Rich set of built-in responsible capabilities to understand, protect, and control data, models, and processes
Otwartość i międzyoperacyjność
Best-in-class support for open-source frameworks and languages including MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, and R
Boost productivity with machine learning for all skill levels
Szybko twórz i wdrażaj modele uczenia maszynowego za pomocą narzędzi spełniających Twoje oczekiwania bez względu na poziom umiejętności. Używaj wbudowanych notesów Jupyter Notebook z funkcją IntelliSense lub projektanta przeciągania i upuszczania. Przyspieszaj tworzenie modeli za pomocą zautomatyzowanego uczenia maszynowego i używaj zaawansowanych opcji inżynierii funkcji, wybierania algorytmów oraz czyszczenia hiperparametrów. Zwiększ efektywność zespołu dzięki udostępnionym zestawom danych, notesom, modelom i pulpitom nawigacyjnym z możliwością dostosowywania, które śledzą wszystkie aspekty procesu uczenia maszynowego.
Operacjonalizacja na dużą skalę dzięki metodyce 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 managed online and batch endpoints to seamlessly deploy and score models without managing the underlying infrastructure. 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.
Tworzenie odpowiedzialnych rozwiązań uczenia maszynowego
Access state-of-the-art responsible machine learning capabilities to understand, control, and help protect 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.
Innowacje na otwartej i elastycznej platformie
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, Visual Studio Code, 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.
Doskonal swoje umiejętności uczenia maszynowego na platformie Azure
Dowiedz się więcej o uczeniu maszynowym na platformie Azure i weź udział w praktycznych samouczkach w ramach tej 30-dniowej podróży edukacyjnej. Ukończenie tej podróży edukacyjnej przygotuje Cię do uzyskania certyfikatu Azure Data Scientist Associate.
Zaawansowane zabezpieczenia, ład i infrastruktura hybrydowa
- Trenuj modele w infrastrukturze hybrydowej przy użyciu klastrów platformy Kubernetes lokalnie, w środowisku obejmującym wiele chmur i na urządzeniach brzegowych ze współdziałaniem usługi Azure Arc.
- Uzyskaj dostęp do funkcji zabezpieczeń, takich jak dostęp oparty na rolach, niestandardowe role uczenia maszynowego, sieci wirtualne i linki prywatne. 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
Maximize productivity with IntelliSense, easy compute and kernel switching, and offline notebook editing. Launch your notebook in Visual Studio Code for a rich development experience, including secure debugging and support for Git source control.
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
Use the central registry to store and track data, models, and metadata. Automatically capture lineage and governance data. Use Git to track work and GitHub Actions to implement workflows. Manage and monitor runs, or compare multiple runs for training and experimentation. Use managed endpoints to operationalize model deployment and scoring, log metrics, and perform safe model rollouts.
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
Szybko zwiększaj produktywność dzięki wbudowanej integracji z usługami platformy Azure i Microsoft Power BI, takimi jak Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc i Azure Databricks.
Obsługa środowisk hybrydowych i z wieloma chmurami
Run machine learning on existing Kubernetes clusters on-premises, in multicloud environments, and at the edge with Azure Arc. Use the one-click machine learning agent to start training models more 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. Help 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
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.
Zasady nauki o danych
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™ usługę Microsoft 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
Twórz nowe modele i przechowuj docelowe obiekty obliczeniowe, modele, wdrożenia, metryki i historie wykonywania w chmurze.
Zautomatyzowane uczenie maszynowe pozwala identyfikować algorytmy i hiperparametry oraz śledzić eksperymenty w chmurze. Twórz 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
- Trenowanie i wdrażanie zautomatyzowanych modeli uczenia maszynowego
- Eksploruj przykłady MLOps w serwisie GitHub
- Korzystanie z narzędzia projektanta na potrzeby prognozowania
- Interpretowanie i objaśnianie modeli uczenia maszynowego
- Interpretowanie i objaśnianie zautomatyzowanych modeli uczenia maszynowego
Polecane wideo
- Rozpocznij pracę z usługą Azure Machine Learning
- Uczenie maszynowe z funkcją przeciągania i upuszczania za pomocą projektanta
- Automatyczne uczenie maszynowe na potrzeby szybkiego tworzenia modeli
- Use Jupyter Notebooks effectively
- Zarządzanie cyklem życia MLOps
- Odpowiedzialne tworzenie modeli
- Zwiększanie wydajności dzięki etykietowaniu danych
Dodatkowe zasoby
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 oraz przejrzyj przewodniki Szybki Start i zasoby dla deweloperów.
Klienci korzystający z usługi Azure Machine Learning
Jolie Vitale: dyrektor ds. analizy biznesowej i analityki, Carhartt"The model we deployed on Azure Machine Learning helped us choose three new retail locations. Those stores exceeded their revenue plans by over 200 percent [that] December, the height of our season, and within months of opening were among the best-performing stores in their districts."
Ignasi Paredes-Oliva, analityk danych potencjalnych klientów, Nestlé Global Security Operations Center"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."
Joey Chua, starszy menedżer ds. inżynierii uczenia maszynowego, AGL"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."
Daniel Engberg, dyrektor ds. analizy danych i sztucznej inteligencji, Scandinavian Airlines"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."
Michael Cleavinger, Senior Director of Shopper Insights Data Science and Advanced Analytics, PepsiCo"We've used the MLOps capabilities in Azure Machine Learning to simplify the whole machine learning process. That allows us to focus more on data science and let Azure Machine Learning take care of end-to-end operationalization."
Alex Mohelsky: partner i lider zespołu ds. danych pomocniczych, analiz i sztucznej inteligencji, EY Canada"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."
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 pracy.
-
Usługa Azure Machine Learning studio jest zasobem najwyższego poziomu dla uczenia maszynowego. Ta funkcja zapewnia scentralizowane miejsce, w którym analitycy danych i deweloperzy mogą pracować ze wszystkimi artefaktami na potrzeby kompilowania, trenowania i wdrażania modeli uczenia maszynowego.