Uczenie maszynowe dla badaczy danych
Poznaj narzędzia uczenia maszynowego dla badaczy danych oraz inżynierów uczenia maszynowego i dowiedz się, jak tworzyć rozwiązania do uczenia maszynowego w skali chmury na platformie Azure.
Odkryj funkcje uczenia maszynowego na platformie Azure
Odpowiedzialnie twórz i wdrażaj modele uczenia maszynowego na potrzeby procesów o krytycznym znaczeniu i na własnych warunkach za pomocą narzędzi i usług platformy Azure.
Opracowuj modele uczenia maszynowego na własnych warunkach
Twórz modele uczenia maszynowego w preferowanym języku programowania, środowisku i strukturach uczenia maszynowego przy użyciu wybranych przez siebie narzędzi i wdrażaj modele w chmurze, w środowisku lokalnym lub na brzegu sieci za pomocą platformy Azure AI.
Odpowiedzialnie twórz rozwiązania uczenia maszynowego
Poznaj modele uczenia maszynowego, chroń dane przy użyciu prywatności różnicowej i poufnego przetwarzania oraz kontroluj cykl życia uczenia maszynowego za pomocą dzienników inspekcji i arkuszy danych.
Bezpiecznie wdrażaj modele uczenia maszynowego na potrzeby procesów krytycznych dla działalności biznesowej
Wdrażaj wysoce skalowalne, odporne na uszkodzenia i odtwarzalne rozwiązania uczenia maszynowego oraz zarządzaj nimi.
Poznaj uczenie maszynowe za pośrednictwem wideo
Dowiedz się, jak używać rozwiązań z zakresu uczenia maszynowego do obsługi aplikacji o znaczeniu krytycznym.
Trenowanie modeli uczenia maszynowego na dużą skalę
Dowiedz się, jak wykorzystywać właściwe zasoby obliczeniowe na platformie Azure do skalowania zadań trenowania.
Wdrażanie i wnioskowanie modelu
Poznaj różne opcje wdrażania i optymalizacje wnioskowania modelu na dużą skalę.
Wyjaśnienia dotyczące metodyki MLOps
Dowiedz się więcej o znaczeniu metodyki MLOps i powiązanych z nią procesach.
Zabezpieczanie środowisk uczenia maszynowego
Zobacz, jak za pomocą platformy Azure można uzyskać dostęp do zabezpieczeń i ładu klasy korporacyjnej.
Hybrydowe i wielochmurowe środowiska uczenia maszynowego
Zobacz, jak aprowizować hybrydowe i wielochmurowe środowiska uczenia maszynowego.
Otwartość i międzyoperacyjność uczenia maszynowego
Zobacz, jak rozwiązanie Azure Machine Learning współpracuje z technologiami open-source i integruje się z innymi usługami platformy Azure.
Zobacz, jak za pomocą produktów i usług uczenia maszynowego platformy Azure tworzyć modele uczenia maszynowego na własnych warunkach.
Podstawy uczenia maszynowego w chmurze
Zapoznaj się z wprowadzeniem do uczenia maszynowego i poznaj kluczowe fazy cyklu życia uczenia maszynowego.
Narzędzia uczenia maszynowego na platformie Azure
Poznaj narzędzia uczenia maszynowego przeznaczone dla badaczy danych i zobacz, jak działają na platformie Azure.
Podstawy uczenia głębokiego przy użyciu platformy PyTorch
Zobacz, jak za pomocą platformy PyTorch rozwiązać prosty problem z zakresu klasyfikacji obrazów.
Uruchamianie modeli uczenia maszynowego w dowolnym miejscu
Uruchamiaj modele uczenia maszynowego w środowiskach lokalnych lub wielochmurowych, korzystając z istniejącej infrastruktury Kubernetes.
Poznaj podstawy platformy PyTorch
Obejrzyj samouczek prowadzony przez Suraja Subramaniana — ambasadora deweloperów platformy PyTorch.
Tworzenie odpowiedzialnych rozwiązań z zakresu sztucznej inteligencji przy użyciu zestawu narzędzi do analizy błędów
Zobacz, jak identyfikować błędy modelu i diagnozować główne przyczyny.
Tagowanie dźwięku przy użyciu uczenia głębokiego
Dowiedz się, jak korzystać z dźwięków, konwertować je na obrazy i tworzyć model klasyfikatora na potrzeby tagowania utworów według nastroju.
Odtwarzalność nauki o danych dzięki uczeniu maszynowemu
Dowiedz się, jak zorganizować odtwarzalny przepływ pracy.
Metodyka MLOps w usłudze Azure Machine Learning
Przyspiesz proces tworzenia, trenowania i wdrażania modeli uczenia maszynowego na dużą skalę.
Rozwiązania uczenia maszynowego z zabezpieczeniami i skalą przedsiębiorstwa
Dowiedz się, jak tworzyć bezpieczne, skalowalne i sprawiedliwe rozwiązania uczenia maszynowego przy użyciu usługi Azure Machine Learning.
Odpowiedzialne stosowanie sztucznej inteligencji przy użyciu usługi Azure Machine Learning
Poznaj narzędzia i metody, które pomogą Ci zrozumieć, chronić i kontrolować modele uczenia maszynowego.
Dowiedz się więcej, przeglądając przykładowe architektury rozwiązań
Poznaj różne scenariusze zastosowania usługi Azure Machine Learning.
Uczenie maszynowe
Kontroluj proces trenowania modelu za pomocą dostosowywanych parametrów nazywanych hiperparametrami. Zapoznaj się z zalecanymi rozwiązaniami w zakresie dostrajania hiperparametrów modeli języka Python i zobacz, jak zautomatyzować dostrajanie hiperparametrów i uruchamiać eksperymenty równolegle w celu ich wydajnej optymalizacji.
Uczenie głębokie
Zobacz, jak przeprowadzić trenowanie rozproszone modeli maszynowego uczenia głębokiego w klastrach maszyn wirtualnych z włączoną obsługą procesorów GPU. Ten scenariusz dotyczy klasyfikacji obrazów, ale rozwiązanie można uogólnić do innych scenariuszy uczenia głębokiego, takich jak segmentacja lub wykrywanie obiektów.
MLOps
Dowiedz się, jak zaimplementować ciągłą integrację, ciągłe dostarczanie i potok ponownego trenowania dla aplikacji AI przy użyciu usług Azure DevOps i Azure Machine Learning. Rozwiązanie jest zbudowane na zestawie danych scikit-learn dotyczącym cukrzycy, ale można je łatwo dostosować do dowolnego scenariusza sztucznej inteligencji i innych popularnych systemów kompilacji.
Wdrażanie usługi Edge
Zobacz, jak używać usługi Azure Stack Edge, aby rozszerzać błyskawiczne wnioskowanie uczenia maszynowego z chmury na scenariusze obejmujące środowisko lokalne lub brzegowe. Używaj usługi Azure Stack Edge, aby korzystać z możliwości platformy Azure, takich jak obliczanie, magazyn, sieć oraz przyspieszone sprzętowo uczenie maszynowe w dowolnej lokalizacji brzegowej.
Ocenianie usługi Batch
Dowiedz się, jak używać usługi Azure Machine Learning, aby stosować w klipach wideo przekształcanie w stylu sieci neuronowych — technikę uczenia głębokiego, która komponuje istniejący obraz w stylu innego obrazu.
Ocenianie w czasie rzeczywistym
Dowiedz się, jak wdrażać modele języka Python jako usługi internetowe w celu prognozowania w czasie rzeczywistym przy użyciu usługi Azure Kubernetes Service (AKS). Modele uczenia maszynowego wdrożone w usłudze AKS są odpowiednie dla wdrożeń produkcyjnych na dużą skalę.
Aktualizacje, blogi i ogłoszenia dotyczące sztucznej inteligencji
10 MARCA 2021 R.
18 LUTEGO 2021 R.
30 WRZEŚNIA 2020 R.