Azure Machine Learning
Utilize um serviço de nível empresarial para o ciclo de vida de aprendizagem automática ponto a ponto
Modelos de machine learning críticos para a empresa em escala
O Azure Machine Learning capacita cientistas de dados e programadores a criar, implementar e gerir modelos de alta qualidade mais rapidamente e com confiança. Acelera a concretização de valor com operações de aprendizagem automática (MLOps) líderes da indústria, interoperabilidade open-source e ferramentas integradas. Esta plataforma fidedigna foi concebida para aplicações de IA responsável em aprendizagem automática.
Desenvolvimento e preparação rápidos de modelos, com ferramentas integradas e suporte para frameworks e bibliotecas open-source
Desenvolvimento de modelos de IA responsável com equidade e explicabilidade e utilização responsável para conformidade
Implementação de modelos de ML, gestão e partilha rápidas para colaboração entre áreas de trabalho e MLOps
Governação, segurança e conformidade incorporadas para executar cargas de trabalho de aprendizagem automática em qualquer lugar
Suporte para o ciclo de vida de aprendizagem automática ponto a ponto

Etiquetagem de dados
Faça a etiquetagem de dados de formação e a gestão de projetos de etiquetagem.
Preparação de dados
Utilize motores de análise para exploração e preparação de dados.
Conjuntos de dados
Aceda a dados e crie e partilhe conjuntos de dados.

Blocos de notas
Utilize blocos de notas do Jupyter Notebook com computação anexada.
Machine learning automatizado
Prepare e ajuste modelos precisos de forma automática.
Estruturador de arrastar e largar
Estruture com uma interface de desenvolvimento de arrastar e largar.
Experimentações
Execute experimentações e crie e partilhe dashboards personalizados.
CLI e SDK Python
Acelere o processo de preparação de modelos ao mesmo tempo que aumenta vertical e horizontalmente na computação do Azure.
Visual Studio Code e GitHub
Utilize ferramentas familiares e mude rapidamente da formação local para a cloud.
Instância de computação
Programe num ambiente seguro e gerido com CPUs da cloud, GPUs e clusters de supercomputação.
Bibliotecas e estruturas open-source
Obtenha suporte integrado para Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib e muito mais.

Pontos final geridos
Implemente modelos para inferência em lotes e em tempo real de forma rápida e fácil.
Pipelines e CI/CD
Automatize fluxos de trabalho de machine learning.
Imagens pré-criadas
Aceda a imagens de contentores com estruturas e bibliotecas para inferência.
Repositório de modelos
Partilhe e monitorize modelos e dados.
Híbrido e multicloud
Prepare e implemente modelos no local e em ambientes de várias clouds.
Otimizar modelos
Acelere a formação e a inferência e reduza os custos com o ONNX Runtime.

Monitorização e análise
Monitorize, registe e analise dados, modelos e recursos.
Desfasamento de dados
Detete desfasamentos e mantenha a precisão dos modelos.
Análise de erros
Depurar modelos e otimizar a precisão de modelos.
Auditoria
Rastreie artefactos de aprendizagem automática para conformidade.
Políticas
Utilize políticas incorporadas e personalizadas de gestão de conformidade.
Segurança
Desfrute de monitorização contínua com o Centro de Segurança do Azure.
Controlo de custos
Aplique a gestão de quotas e o encerramento automático.
Acelere o tempo de concretização de valor com o desenvolvimento rápido de modelos
Melhore a produtividade com a capacidade de estúdio, uma experiência de desenvolvimento que suporta todas as tarefas de aprendizagem automática para criar, preparar e implementar modelos. Colabore com o Jupyter Notebooks com o suporte incorporado para frameworks e bibliotecas open-source populares. Crie modelos precisos rapidamente com o machine learning automatizado para modelos tabulares, de texto e de imagens mediante a utilização de engenharia de caracterização e de limpeza de hiperparâmetros. Utilize o Visual Studio Code para passar homogeneamente da preparação no local para a cloud e dimensione automaticamente com clusters poderosos de CPU e GPU baseados na cloud.


Operacionalize em escala com MLOps
Simplifique a implementação e a gestão de milhares de modelos em vários ambientes com as MLOps. Implemente e classifique modelos mais rapidamente com pontos finais totalmente geridos para predições em lotes e em tempo real. Utilize pipelines repetíveis para automatizar fluxos de trabalho para integração contínua e entrega contínua (CI/CD). Partilhe e descubra artefactos de aprendizagem automática em várias equipas para colaboração entre áreas de trabalho através de registos. Monitorize continuamente as métricas de desempenho dos modelos, detete desfasamento de dados e acione novas preparações para melhorar o desempenho dos modelos.
Entregue soluções de machine learning responsável
Avalie modelos de aprendizagem automática com fluxos de trabalho reproduzíveis e automatizados para avaliar a equidade do modelo, a explicabilidade, a análise de erros, a análise causal, o desempenho do modelo e a análise de dados exploratória. Faça intervenções de vida real com análise causal no dashboard de IA responsável e gere uma tabela de indicadores no momento da implementação.Contextualize as métricas de IA responsável para audiências técnicas e não técnicas para envolver os intervenientes e simplificar a revisão de conformidade.


Inove numa plataforma híbrida que é mais segura e conforme
Aumente a segurança em todo o ciclo de vida de aprendizagem automática com capacidades vastas, que abrangem identidade, dados, rede, monitorização e conformidade. Proteja soluções com o controlo de acesso baseado em funções personalizado, redes virtuais, encriptação de dados, pontos finais privados e endereços IP privados. Prepare e implemente modelos no local para cumprir os requisitos de soberania de dados. Governe com políticas incorporadas e simplifique a conformidade com 60 certificações, entre as quais FedRAMP High e HIPAA.
Desenvolva as suas competências de machine learning com o Azure
Saiba mais sobre aprendizagem automática no Azure e participe em tutoriais práticos com um percurso de aprendizagem de 30 dias. No final, estará preparado para a Certificação de Cientistas de Dados Associado do Azure.
Principais capacidades de serviço para o ciclo de vida completo de aprendizagem automática
Etiquetagem de dados
Crie e faça a gestão e a monitorização dos projetos de etiquetagem e automatize as tarefas iterativas com a etiquetagem assistida por machine learning.
Preparação de dados
Itere rapidamente na preparação de dados em escala em clusters do Apache Spark no Azure Machine Learning, interoperável com o Azure Synapse Analytics.
Blocos de notas colaborativos
Maximize a produtividade com IntelliSense, alternância fácil de computação e kernel e edição de blocos de notas offline. Inicie o seu bloco de notas no Visual Studio Code para obter uma experiência de desenvolvimento avançada, incluindo depuração segura e suporte para controlo de código fonte Git.
Machine learning automatizado
Crie rapidamente modelos precisos para classificação, regressão, previsão de séries temporais, tarefas de processamento de linguagem natural e tarefas de imagem digitalizada. Utilize a interpretação de modelos para compreender como o modelo foi criado.
Aprendizagem automática de arrastar e largar
Utilize ferramentas de machine learning como o estruturador para transformação de dados, preparação e avaliação de modelos ou para criar e publicar pipelines de machine learning facilmente.
Aprendizagem por reforço
Dimensione a aprendizagem de reforço para clusters de computação robustos, suporte cenários com vários agentes e aceda a algoritmos de aprendizagem de reforço, frameworks e ambientes open-source.
Criação responsável
Obtenha transparência de modelos na preparação e inferência com as capacidades de interpretação. Avalie a equidade dos modelos com métricas de disparidade e reduza a iniquidade. Melhore a fiabilidade dos modelos e identifique e diagnostique os erros dos modelos com o conjunto de ferramentas da análise de erros. Ajude a proteger os dados com a privacidade diferencial.
Experimentação
Faça a gestão e monitorize execuções ou compare múltiplas execuções para preparação e experimentação. Crie dashboards personalizados e partilhe-os com a sua equipa.
Registos
Utilize repositórios de toda a organização para armazenar e partilhar modelos, pipelines, componentes e conjuntos de dados em várias áreas de trabalho. Recolha automaticamente dados de linhagem e de governação com a funcionalidade de registo de auditoria.
Git e GitHub
Utilize a integração do Git para monitorizar o trabalho e o suporte do GitHub Actions para implementar fluxos de trabalho de aprendizagem automática.
Pontos finais geridos
Utilize pontos finais geridos para operacionalizar a classificação e a implementação de modelos, métricas de registo e executar implementações de modelos seguros.
Computação de dimensionamento automático
Utilize a computação gerida para distribuir a preparação e testar, validar e implementar os modelos rapidamente. Partilhe clusters de CPU e GPU entre uma área de trabalho e dimensione automaticamente para dar resposta às suas necessidades de machine learning.
Interoperabilidade com outros serviços do Azure
Acelere a produtividade com o Microsoft Power BI e serviços, como o Azure Synapse Analytics, o Azure Cognitive Search, o Azure Data Factory, o Azure Data Lake, o Azure Arc, o Centro de Segurança do Azure e o Azure Databricks.
Suporte para ambientes híbridos e multicloud
Execute aprendizagem automática em clusters do Kubernetes no local existentes, em ambientes de várias clouds e no edge com o Azure Arc. Utilize o agente de aprendizagem automática simples para começar a preparar modelos de forma mais segura, independentemente de onde os seus dados residam.
Segurança de nível empresarial
Crie e implemente modelos em segurança com isolamento de rede e capacidades de IP privado ponto a ponto, o controlo de acesso baseado em funções para recursos e ações, funções personalizadas e identidade gerida para recursos de computação.
Gestão de custos
Reduza os custos de TI e faça uma melhor gestão das alocações de recursos para instâncias de computação com limites de quotas ao nível da área de trabalho e dos recursos e encerramento automático.

Guia Dominar o Azure Machine Learning
Aprenda técnicas de peritos para criar modelos de aprendizagem automática e pipelines ponto a ponto, automatizados e altamente dimensionáveis no Azure com o TensorFlow, Apache Spark e Kubernetes.

Documento técnico sobre MLOps de Engenharia
Descubra uma abordagem sistemática à criação, implementação e monitorização de soluções de aprendizagem automática com o MLOps. Crie, teste e faça a gestão de ciclos de vida de aprendizagem automática prontos para produção em escala rapidamente.

Relatório The Forrester WaveTM 2020
Veja por que motivo a Forrester nomeou o Azure Machine Learning um Líder no relatório The Forrester WaveTM: Notebook-Based Predictive Analytics And Machine Learning, Q3 2020 (Análise Preditiva e Aprendizagem Automática Baseadas em Bloco de Notas, T3 de 2020).

Estudo Total Economic ImpactTM (TEI) da Forrester
O estudo Total Economic ImpactTM (TEI) da Forrester Consulting, comissionado pela Microsoft, examina o potencial retorno sobre o investimento (ROI) que as empresas podem concretizar com o Azure Machine Learning.

Documento técnico sobre soluções de Machine Learning
Saiba como criar soluções seguras, dimensionáveis e equitativas.

Documento técnico de IA responsável
Leia sobre ferramentas e métodos para compreender, proteger e controlar os seus modelos.

Documento técnico de operações de aprendizagem automática (MLOps)
Acelere o processo de criação, preparação e implementação de modelos em escala.

Documento técnico do Machine Learning compatível com o Azure Arc
Saiba como criar, preparar e implementar modelos em qualquer infraestrutura.
Segurança e conformidade abrangentes e incorporadas
-
A Microsoft investe mais de USD 1 mil milhões anualmente em investigação e desenvolvimento da cibersegurança.
-
Empregamos mais de 3,500 especialistas em segurança dedicados à segurança e privacidade dos dados.
-
O Azure tem mais certificações do que qualquer outro fornecedor de cloud. Veja a lista completa.
Como utilizar o Azure Machine Learning
Aceda à sua experiência Web no Studio
Criar e preparar
Implementar e gerir

Pague apenas pelo que precisar, sem custos adiantados
Comece a trabalhar com uma conta gratuita do Azure
Comece gratuitamente. Obtenha um crédito de $200 para utilizar no prazo de 30 dias. Enquanto tiver o seu crédito, receba montantes gratuitos de muitos dos nossos serviços mais populares, além de montantes gratuitos de mais de 40 serviços que são sempre gratuitos.
Após o seu crédito, mude para crédito pré-pago para continuar a criar com os mesmos serviços gratuitos. Pague apenas se utilizar mais do que os seus montantes mensais gratuitos.
Após 12 meses, continuará a obter mais de 40 serviços sempre gratuitos e a pagar apenas pelo que utilizar para além dos montantes mensais gratuitos.
Clientes que utilizam o Azure Machine Learning
Nic Bourven, Diretor de Informação, AXA UK"We make it our mission to try new ideas and go beyond to differentiate AXA UK from other insurers. We see managed endpoints in Azure Machine Learning as a key enabler for our digital ambition."

Bikram Virk, Gestor 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."

Jeff Neilson, Gestor de Ciência de Dados, 3M"As more of our groups rely on the Azure Machine Learning solution, our finance experts can focus more on higher-level tasks and spend less time on manual data collection and input."

Professor Mike Reed, Diretor Clínico, Trauma e Ortopedia, Northumbria Healthcare NHS Foundation Trust"With Azure Machine Learning, we can show the patient a risk score that is highly tailored to their individual circumstances. …Ultimately, we aim to reduce risk, reduce uncertainty, and improve surgical outcomes."

Michael Cleavinger, Diretor Sénior de Análise Avançada e Ciência de Dados de Informações de Compradores, 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."

Keiichi Sawada, Divisão de Transformação Corporativa, Seven Bank"Using automated machine learning features of Azure Machine Learning for machine learning model creation enabled us to realize an environment in which we can create and experiment with various models from multiple perspectives."

Recursos do Azure Machine Learning
Tutoriais para principiantes
Tutoriais avançados
- Prepare e implemente modelos de machine learning automatizado
- Explore exemplos de MLOps no GitHub
- Utilize a ferramenta de estruturador para predição
- Interprete e explique modelos de machine learning
- Interprete e explique modelos de machine learning automatizado
- Utilizar o SDK para Python para machine learning automatizado
- Utilizar a IU do machine learning automatizado
- Preparar automaticamente um modelo de série temporal
- Prepare automaticamente um modelo de deteção de objetos
- Prepare automaticamente um modelo de processamento de linguagem natural
Vídeos em destaque
- Imagens do Docker pré-construídas para Inferência
- Pontos Finais Geridos
- PyTorch Enterprise no Azure
- Execute Machine Learning em qualquer lugar
- Democratize a IA com o estruturador do Machine Learning
- Saiba como ser um herói da aprendizagem automática
- Blocos de notas do estúdio do Azure Machine Learning
- Gerir os seus recursos, artefactos e código
- Começar e analisar os seus modelos
- Aumente a sua produtividade com a etiquetagem de dados
Atualizações, blogues e anúncios do Azure Machine Learning
Perguntas mais frequentes sobre o Azure Machine Learning
-
O serviço encontra-se em disponibilidade geral em vários países/regiões e há mais a caminho.
-
O contrato de nível de serviço (SLA) do Azure Machine Learning é de 99,9 por cento de tempo de atividade.
-
O estúdio do Azure Machine Learning é o recurso de nível superior para o Machine Learning. Esta capacidade fornece um local centralizado para os cientistas de dados e programadores trabalharem com todos os artefactos para a criação, preparação e implementação de modelos de machine learning.