Azure Machine Learning
Um serviço de nível empresarial para o ciclo de vida de aprendizado de máquina de ponta a ponta
Criar modelos de machine learning comercialmente críticos em escala
Capacite os cientistas de dados e desenvolvedores a criar, implantar e gerenciar modelos de alta qualidade com mais rapidez e confiança. Acelere o tempo de geração de valor com MLOps (operações de machine learning) líderes do setor, interoperabilidade de código aberto e ferramentas integradas. Inove em uma plataforma segura e confiável, projetada para um ML (machine learning) responsável.
Crie e treine modelos rapidamente
Use a experiência de desenvolvimento do estúdio para acessar ferramentas integradas e obter o melhor suporte possível para estruturas e bibliotecas de código aberto.
Operacionalize em escala
Implante modelos com um clique, gerenciando-os e administrando-os com eficiência usando o MLOps.
Forneça soluções responsáveis
Entenda e proteja dados e modelos, crie com imparcialidade e aprimore a qualidade do modelo.
Inove em uma plataforma híbrida mais segura
Execute cargas de trabalho de machine learning em qualquer lugar com governança, segurança e conformidade internas.
Aumente o ROI em até três vezes em projetos de ML
70% menos etapas para modelos de treinamento
90% menos linhas de código para pipelines
60 certificações de conformidade
A única plataforma com o PyTorch Enterprise
Support for the end-to-end machine learning (ML) lifecycle
Rotulagem de dados
Label training data and manage labeling projects.
Preparação de dados
Integrate with analytics engines for data exploration and preparation.
Conjuntos de dados
Access data and create and share datasets.
Notebooks
Use collaborative Jupyter notebooks with attached compute.
ML Automatizado
Automatically train and tune accurate models.
Drag-and-drop designer
Design with drag-and-drop development interface.
Experimentos
Run experiments and create and share custom dashboards.
Visual Studio Code and GitHub
Use familiar tools and switch easily from local to cloud training.
Instância de computação
Develop in a managed and secure environment with cloud CPUs, GPUs, and supercomputing clusters.
Open-source libraries and frameworks
Get built-in support for Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib, and more.
Managed endpoints
Utilize one-click deployment for batch and real-time inference.
Pipelines and CI/CD
Automate machine learning workflows.
Pre-built images
Access container images with frameworks and libraries for inference.
Model repository
Share and track models and data.
Hybrid and multicloud
Train and deploy models on-premises and across multicloud.
Optimize models
Accelerate training and inference and lower costs with ONNX Runtime.
Monitorar e analisar
Track, log, and analyze data, models, and resources.
Descompasso de dados
Detect drift and maintain model accuracy.
Erro de análise
Debug models and optimize model accuracy.
Auditar
Trace ML artifacts for compliance.
Políticas
Leverage built-in and custom policies for compliance management.
Segurança
Enjoy continuous monitoring with Azure Security Center.
Control costs
Apply quota management and automatic shutdown.
Acelere o tempo de geração de valor com um desenvolvimento de modelos rápido e preciso
Aprimore a produtividade com o estúdio, a experiência de desenvolvimento que dá suporte a todas as tarefas de ML para criar, treinar e implantar modelos. Colabore com os notebooks do Jupyter usando o suporte interno para estruturas e bibliotecas de código aberto populares. Crie modelos precisos rapidamente com o ML automatizado, usando a engenharia de recursos e as funcionalidades de limpeza de hiperparâmetro. Acesse o depurador, o criador de perfil e as explicações para aprimorar o desempenho do modelo conforme você treina. Use a integração profunda do Visual Studio Code para migrar do treinamento local para a nuvem sem interrupções e realizar dimensionamento automático com uma poderosa CPU baseada em nuvem e clusters de GPU.
Operacionalizar em escala com MLOps (operações de machine learning)
Simplifique a implantação e o gerenciamento de milhares de modelos locais, na borda e em ambientes de multinuvem usando o MLOps. Implante e pontue modelos mais rapidamente com pontos de extremidade totalmente gerenciados para previsões em lote e em tempo real. Use pipelines que podem ser repetidos para automatizar fluxos de trabalho para CI/CD (integração contínua e entrega contínua). Monitore continuamente as métricas de desempenho do modelo, detecte descompasso de dados e dispare novos treinamentos para aprimorar o desempenho do modelo. E, durante todo o ciclo de vida, habilite a capacidade de auditoria e a governança com acompanhamento e linhagem prontos para uso em todos os artefatos de ML.
Entregue soluções de machine learning responsáveis
Acesse funcionalidades de IA responsáveis líderes do setor para aumentar a transparência do modelo e aprimorar a confiabilidade. Entenda os modelos usando visualizações prontas para uso e use análise de teste de hipóteses para determinar o impacto do recurso nas previsões. Compartilhe os grafos de explicação do modelo com sua equipe para garantir a conformidade. Use algoritmos de ponta para testar os modelos quanto a problemas de imparcialidade, comparar modelos diferentes e tomar medidas para reduzir os problemas. Identifique e depure erros de modelo com o kit de ferramentas de análise de erros para aprimorar a precisão do modelo.
Inove em uma plataforma híbrida que é mais segura e em conformidade
Aumente a segurança no ciclo de vida do ML com funcionalidades abrangentes que incluem identidade, autenticação, dados, rede, monitoramento, governança e conformidade. Crie soluções de ML mais seguras usando o controle de acesso baseado em função personalizado, redes virtuais, criptografia de dados, pontos de extremidade privados e endereços IP privados de ponta a ponta. Treine e implante modelos locais para atender aos requisitos da soberania de dados. Gerencie a governança com políticas internas e simplifique a conformidade com um portfólio abrangente com 60 certificações, incluindo FedRAMP High e HIPAA.
Crie habilidades de machine learning com o Azure
Saiba mais sobre machine learning no Azure e participe de tutoriais práticos com este percurso de aprendizado de 30 dias. No final, você estará preparado para obter a Certificação de Cientista de Dados Associado do Azure.
Principais funcionalidades de serviço para o ciclo de vida de ML completo
Rotulagem de dados
Crie, gerencie e monitore os projetos de rotulagem e automatize tarefas iterativas com a rotulagem assistida por machine learning.
Preparação de dados
Execute a preparação de dados interativa com o PySpark, usando a integração interna com o Azure Synapse Analytics.
Notebooks colaborativos
Maximize a produtividade com o IntelliSense, a fácil alternância de kernel e computação e a edição de notebooks offline. Inicie seu notebook no Visual Studio Code para ter uma experiência de desenvolvimento rica, incluindo depuração segura e suporte para controle do código-fonte do Git.
Aprendizado de máquina automatizado
Crie rapidamente modelos precisos para classificação, regressão e previsão de série temporal. Use a interpretabilidade do modelo para entender como o modelo foi criado.
Machine learning do tipo "arrastar e soltar"
Use ferramentas de machine learning como o designer para transformação de dados, treinamento de modelos e avaliação ou para criar e publicar com facilidade pipelines de machine learning.
Aprendizado de reforço
Escale o aprendizado de reforço para clusters de computação avançados, dê suporte a cenários com vários agentes e acesse algoritmos, estruturas e ambientes de aprendizado de reforço de código aberto.
Machine learning responsável
Obtenha a transparência do modelo no treinamento e na inferência com funcionalidades de interpretabilidade. Avalie a imparcialidade do modelo por meio de métricas de disparidade e atenue a parcialidade. Aprimore a confiabilidade do modelo e identifique e diagnostique erros no modelo com o kit de ferramentas de análise de erros. Ajude a proteger os dados com a privacidade diferencial.
Experimentação
Gerencie e monitore execuções ou compare várias execuções para treinamento e experimentação. Crie painéis personalizados e compartilhe-os com a sua equipe.
Trilha de auditoria e registro de modelo
Use o registro central para armazenar e acompanhar dados, modelos e metadados. Capture automaticamente os dados de linhagem e de governança com a trilha de auditoria.
Git e GitHub
Use a integração do Git para acompanhar o trabalho e o suporte do GitHub Actions para implementar fluxos de trabalhos do ML.
Pontos de extremidade gerenciados
Use pontos de extremidade gerenciados para colocar em operação a implantação e a pontuação de modelos, as métricas de log e executar distribuições de modelo seguras.
Computação de dimensionamento automático
Use a computação gerenciada para distribuir o treinamento e testar, validar e implantar modelos rapidamente. Compartilhe clusters de CPU e GPU em um workspace e dimensione automaticamente para atender às suas necessidades de machine learning.
Integração profunda a outros serviços do Azure
Acelere a produtividade com a integração interna usando o Power BI e serviços como o Azure Synapse Analytics, o Azure Cognitive Search, o Azure Data Factory, o Azure Data Lake, o Azure Arc, a Central de Segurança do Azure e o Azure Databricks.
Suporte híbrido e de multinuvem
Execute o machine learning em clusters do Kubernetes existentes localmente, em ambientes multinuvem e na borda com o Azure Arc. Use o agente de machine learning com um clique para começar a treinar modelos com mais segurança, onde quer que seus dados estejam.
Segurança de nível empresarial
Crie e implante modelos com mais segurança com funcionalidades de isolamento de rede e de IP privado de ponta a ponta, controle de acesso baseado em função para recursos e ações, funções personalizadas e identidade gerenciada para recursos de computação.
Gerenciamento de custos
Permite que a TI reduza o custo e gerencie melhor as alocações de recursos para instâncias de computação com limites de cota do workspace e no nível de recurso, bem como o desligamento automático.
Pague apenas pelo que precisar, sem custo inicial
Especialização no Azure Machine Learning
Domine técnicas de especialistas para criar pipelines e modelos de machine learning automatizados e altamente escalonáveis de ponta a ponta no Azure usando o TensorFlow, o Spark e o Kubernetes.
Engineering MLOps
Discover a systematic approach to building, deploying, and monitoring machine learning solutions with MLOps. Rapidly build, test, and manage production-ready machine learning life cycles at scale.
O Forrester WaveTM 2020
A Forrester nomeia o Microsoft Azure Machine Learning como líder no The Forrester Wave™: Análise Preditiva e Machine Learning baseados em Notebook, 3T de 2020.
Intervalo de ROI projetado até três vezes maior – TEI (Forrester Total Economic ImpactTM)
O TEI (Forrester Total Economic Impact™), um estudo encomendado conduzido pela Forrester Consulting, fornece uma estrutura para avaliar o potencial impacto financeiro do Azure Machine Learning nas organizações.
Whitepaper de soluções de machine learning com escala corporativa
Capacitando as organizações a criar soluções de ML seguras, escalonáveis e imparciais com o Azure Machine Learning.
Whitepaper de IA responsável
Ferramentas e métodos para entender, proteger e controlar seus modelos.
Whitepaper de MLOps (operações de machine learning)
Acelere o processo de criar, treinar e implantar modelos em escala.
Como usar o Azure Machine Learning
Acesse sua experiência Web do estúdio
Crie e treine
Implantar e gerenciar
Crie modelos e armazene seus destinos de computação, modelos, implantações e métricas, bem como históricos de execução na nuvem.
Use o machine learning automatizado para identificar algoritmos e hiperparâmetros e acompanhar os testes na nuvem. Crie modelos usando notebooks ou o designer do tipo "arrastar e soltar".
Implante o seu modelo de machine learning na nuvem ou na borda, monitore o desempenho e treine-o novamente, conforme necessário.
Referências
Tutoriais para iniciantes
Tutoriais avançados
Vídeos em destaque
- Imagens pré-criadas do Docker para inferência no Azure Machine Learning
- Pontos de extremidade gerenciados
- PyTorch Enterprise no Microsoft Azure
- Execute o Machine Learning em qualquer lugar
- Novidades no Azure Machine Learning
- Democratizar a IA com o designer do Azure Machine Learning
- Saiba como ser um Destaque de ML usando o AutoML
- Editar e executar notebooks do Jupyter sem sair do Estúdio do Azure Machine Learning
- Aprofundamento nos recursos do MLOps: Gerencie os seus ativos, artefatos e código
- ML responsável: Introdução e análise dos seus modelos
- Aumentar sua produtividade com a rotulagem de dados no Azure Machine Learning
Recursos adicionais
Começar a usar o Azure Machine Learning hoje mesmo
Obtenha acesso instantâneo e um crédito de $200 ao se inscrever para uma conta gratuita do Azure.
Entre no portal do Azure.
Explore a documentação e os tutoriais e procure guias de início rápido e recursos para desenvolvedores.
Clientes que usam o Azure Machine Learning
Bikram Virk, Gerente de Produto, IA e Machine Learning, FedEx"Customers expect timely and accurate information on their packages and a data-based delivery experience. We're helping FedEx stay on the leading edge with Azure Machine Learning, and we're building expertise for future projects."
Dr. Deepa Kasinathan, Gerente de Produto e Líder de Equipe, Robotron Datenbank-Software GmbH"The end-to-end pipeline (built with Azure Machine Learning) has all the features needed to develop and maintain machine learning models throughout their lifecycles."
Ignasi Paredes-Oliva, principal cientista de dados, Centro de Operações de Segurança Global da Nestlé"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."
Michael Cleavinger, Diretor Sênior de Ciência de Dados, Insights do Comprador e Análise Avançada, 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."
Facilitando a vida dos passageiros de trem
DB Systel, o parceiro digital da empresa ferroviária alemã Deutsche Bahn, desenvolveu uma solução chamada Cão Guia Digital para auxiliar os passageiros. Usando o Microsoft Azure Machine Learning, leva apenas algumas horas para treinar um novo modelo usando redes neurais.
Atualizações, blogs e comunicados do Azure Machine Learning
Perguntas frequentes sobre o Azure Machine Learning
-
O serviço está em disponibilidade geral em vários países/regiões e estará em mais em breve.
-
O tempo de atividade do SLA (Contrato de Nível de Serviço) do Azure Machine Learning é de 99,9%.
-
O Estúdio do Azure Machine Learning é o recurso de nível mais elevado para o Machine Learning. Essa funcionalidade oferece um local centralizado para desenvolvedores e cientistas de dados trabalharem com todos os artefatos para criar, treinar e implantar modelos de machine learning.