Пропустить навигацию

Машинное обучение Azure

Использование службы корпоративного уровня для жизненного цикла комплексного машинного обучения

Машинное обучение Azure

Использование службы корпоративного уровня для жизненного цикла комплексного машинного обучения

Критически важные для бизнеса модели машинного обучения в большом масштабе

Машинное обучение Azure предоставляет разработчикам и специалистам по обработке и анализу данных возможность быстрее и увереннее создавать и развертывать высококачественные модели и управлять ими. Это решение сокращает время окупаемости вложений благодаря ведущим в отрасли операциям машинного обучения (MLOps), взаимодействию на основе открытого кода и интегрированным инструментам. Эта надежная платформа предназначена для ответственного применения ИИ в области машинного обучения.

Быстрая разработка и обучение моделей с интегрированными инструментами и поддержкой платформ и библиотек с открытым кодом

Разработка модели ответственного применения ИИ со встроенной справедливостью и пояснением, а также ответственное использование для обеспечения соответствия

Быстрое развертывание и администрирование модели машинного обучения, а также предоставление к ней общего доступа для совместной работы между рабочими областями и MLOps

Встроенное управление, безопасность и соответствие требованиям для запуска рабочих нагрузок машинного обучения в любом месте

Поддержка сквозного жизненного цикла машинного обучения

Маркировка данных

Размечайте данные для обучения и управляйте проектами разметки.

Подготовка данных

Используйте модули аналитики для исследования и подготовки данных.

Наборы данных

Доступ к данным, создание наборов данных и предоставление к ним общего доступа.

Записные книжки

Используйте записные книжки Jupyter для совместной работы с подключенными вычислительными средами.

Автоматизированное машинное обучение

Автоматическое обучение и настройка точных моделей.

Конструктор с перетаскиванием

Проектирование с помощью интерфейса разработки, применяющего функцию перетаскивания.

Эксперименты

Проводите эксперименты, создавайте пользовательские панели мониторинга и предоставляйте к ним общий доступ.

CLI и пакет SDK для Python

Ускорьте процесс обучения модели при масштабировании и выходе в вычислительных ресурсах Azure.

Visual Studio Code и GitHub

Используйте знакомые инструменты и легко перейдите с локального обучения на облачное.

Вычислительный экземпляр

Разрабатывайте в управляемой и безопасной среде с облачными ЦП, графическими процессорами и кластерами с суперкомпьютерами.

Библиотеки и платформы с открытым кодом

Получите встроенную поддержку Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib и многое другое.

Управляемые конечные точки

Развертывание моделей для пакетного и быстрого вывода в режиме реального времени.

Конвейеры и CI/CD

Автоматизируйте рабочие процессы машинного обучения.

Предварительно созданные образы

Получайте доступ к образам контейнеров с платформами и библиотеками для вывода.

Репозиторий моделей

Совместно используйте и отслеживайте модели и данные.

Гибридная и многооблачная среда

Обучайте и развертывайте модели в локальных и многооблачных средах.

Оптимизация моделей

Ускорьте обучение и вывод, сократив затраты, с помощью среды выполнения ONNX.

Мониторинг и анализ

Отслеживайте, записывайте в журнал и анализируйте данные, модели и ресурсы.

Смещение данных

Обнаружение смещения и поддержание точности модели.

Анализ ошибок

Выполняйте отладку и оптимизацию точности моделей.

Аудит

Отслеживание артефактов машинного обучения на предмет соответствия требованиям.

Политики

Используйте встроенные и пользовательские политики для управления соответствием требованиям.

Безопасность

Пользуйтесь непрерывным мониторингом с помощю Центра безопасности Azure.

Управление затратами

Применение управления квотами и автоматического завершения работы.

Сокращение времени окупаемости вложений благодаря быстрой разработке моделей

Повысьте производительность работы с помощью студии — среды разработки, которая поддерживает все задачи машинного обучения по созданию, обучению и развертыванию моделей. Совместно работайте с записными книжками Jupyter Notebook, используя встроенную поддержку популярных платформ и библиотек с открытым кодом. Быстро создавайте точные модели с помощью автоматизированного машинного обучения для табличных, текстовых моделей и моделей изображений, используя конструирование признаков и очистку гиперпараметров. Используйте Visual Studio Code для плавного перехода от обучения в локальной среде к обучению в облачной среде и для автомасштабирования с использованием мощных облачных кластеров ЦП и GPU.

Управление функциями в большом масштабе с помощью MLOps

Упростите развертывание и администрирование тысяч моделей в нескольких средах с помощью MLOps. Развертывайте и оценивайте модели быстрее с помощью полностью управляемых конечных точек для пакетного прогнозирования и прогнозирования в реальном времени. Используйте воспроизводимые конвейеры для автоматизации рабочих процессов непрерывной поставки и непрерывной интеграции (CI/CD). Находите артефакты машинного обучения и делитесь ими в нескольких командах для совместной работы в разных рабочих областях с помощью реестров. Постоянно отслеживайте метрики производительности моделей, выявляйте смещение данных и активируйте повторное обучение для повышения производительности моделей.

Создание решений ответственного машинного обучения

Оцените модели машинного обучения с помощью воспроизводимых и автоматизированных рабочих процессов для оценки справедливости моделей, пояснения, анализа ошибок и причинно-следственных связей, производительности моделей и произвольного анализа данных. Создавайте вмешательства в реальном времени с помощью анализа причинно-следственных связей на панели мониторинга ответственного применения ИИ, а также систему показателей во время развертывания. Контекстуализируйте метрики ответственного применения ИИ для технической и нетехнической аудитории для привлечения заинтересованных лиц и упрощения проверки соответствия требованиям.

Внедрение инноваций на более защищенной и совместимой гибридной платформе

Повысьте безопасность на протяжении жизненного цикла машинного обучения с помощью комплексных возможностей, охватывающих идентификацию, данные, сети, мониторинг и соответствие требованиям. Защитите решения, используя настраиваемые средства управления доступом на основе ролей, виртуальные сети, шифрование данных, частные конечные точки и частные IP-адреса. Обучайте и развертывайте модели в локальной среде в соответствии с требованиями к независимости данных. Управляйте с помощью встроенных политик и упростите обеспечение соответствия, используя 60 сертификатов, включая FedRAMP High и HIPAA.

Развитие навыков по работе с машинным обучением с помощью Azure

Узнайте больше о машинном обучении в Azure и пройдите практические учебники в рамках 30-дневного курса. По завершении курса вы будете готовы к сертификации партнера по обработке и анализу данных Azure.

Основные возможности службы для полного жизненного цикла машинного обучения

Маркировка данных

Создавайте и отслеживайте проекты маркировки и управляйте ими, а также автоматизируйте итеративные задачи с помощью маркировки с использованием машинного обучения.

Подготовка данных

Быстро выполняйте итерацию при подготовке данных в большом масштабе в кластерах Apache Spark в Машинном обучении Azure с возможностью взаимодействия с Azure Synapse Analytics.

Записные книжки для совместной работы

Повысьте продуктивность работы благодаря использованию Intellisense, простому переключению между вычислительными ресурсами и ядром, а также возможности редактирования записных книжек в автономном режиме. Запустите свою записную книжку в Visual Studio Code, чтобы обеспечить широкие возможности разработки, в частности безопасную отладку и поддержку системы управления версиями Git.

Автоматизированное машинное обучение

Быстро создавайте точные модели для классификации, регрессии, прогнозирования временных рядов, выполнения заданий по обработке естественного языка и заданий, связанных с компьютерным зрением. Используйте интерпретируемость модели, чтобы понять, как она была создана.

Машинное обучение с перетаскиванием

Используйте средства машинного обучения, например конструктор для преобразования данных, обучения и оценки моделей, а также для простого создания и публикации конвейеров машинного обучения.

Обучение с подкреплением

Получите возможность масштабируемого обучения с подкреплением на мощных вычислительных кластерах, поддержку сценариев с несколькими агентами, доступ к алгоритмам обучения с подкреплением с открытым кодом, а также возможность масштабирования платформ и сред.

Ответственное создание

Обеспечьте прозрачность модели на этапе обучения и вывода благодаря возможностям интерпретируемости. Оценивайте и улучшайте объективность модели с помощью метрик несоответствия. Повышайте надежность моделей, выявляйте и диагностируйте ошибки моделей с помощью набора средств для анализа ошибок. Обеспечьте защиту данных с помощью дифференцированной конфиденциальности.

Экспериментирование

Отслеживайте выполнение моделей и управляйте ими или сравнивайте несколько выполнений в целях обучения и экспериментирования. Создавайте настраиваемые панели мониторинга и совместно используйте их в вашей командой.

Реестры

Используйте репозитории для всей организации, чтобы хранить и публиковать модели, конвейеры, компоненты и наборы данных в нескольких рабочих областях. Автоматически записывайте данные происхождения и управления с помощью функции журнала аудита.

Git и GitHub

Используйте интеграцию с Git для отслеживания работы и поддержки GitHub Actions в рамках реализации рабочих процессов машинного обучения.

Управляемые конечные точки

Используйте управляемые конечные точки для осуществления развертывания и оценки моделей, метрик журналов и безопасных выпусков моделей.

Автоматическое масштабирование вычислений

Используйте управляемые вычисления для распределенного обучения и быстрого тестирования, проверки и развертывания моделей. Совместно используйте кластеры ЦП и GPU в рабочей области и автоматически масштабируйте их в соответствии с вашими потребностями в машинном обучении.

Взаимодействие с другими службами Azure

Увеличьте производительность благодаря Power BI от Microsoft и таким службам, как Azure Synapse Analytics, Когнитивный поиск Azure, Фабрика данных Azure, Озеро данных Azure, Azure Arc, Центр безопасности Azure и Azure Databricks.

Поддержка гибридных и многооблачных сред

Выполняйте машинное обучение в существующих кластерах Kubernetes в локальной, многооблачной и пограничной средах с помощью Azure Arc. Используйте простой агент машинного обучения, который обеспечивает более высокий уровень безопасности обучения моделей независимо от того, где хранятся ваши данные.

Безопасность корпоративного уровня

Безопасно создавайте и развертывайте модели благодаря таким возможностям, как сетевая изоляция и сквозной частный IP-адрес, управление доступом на основе ролей для ресурсов и действий, настраиваемые роли и управляемые удостоверения для вычислительных ресурсов.

Управление затратами

Сократите расходы на ИТ и улучшите управление распределением ресурсов для вычислительных экземпляров с помощью квот на уровне рабочих областей и ресурсов, а также автоматического отключения.

Руководство по освоению принципов работы решения "Машинное обучение Azure"

Освойте экспертные методы создания автоматизированных и высокомасштабируемых комплексных моделей машинного обучения, а также конвейеров в Azure с помощью TensorFlow, Spark и Kubernetes.

Технический документ Engineering MLOps

Внедрите системный подход к созданию, развертыванию и мониторингу решений машинного обучения с помощью MLOps. Быстро разрабатывайте жизненный цикл машинного обучения, готовый к применению в рабочей среде, а также тестируйте его и управляйте им.

Отчет The Forrester WaveTM 2020

Узнайте, почему компания Forrester назвала службу "Машинное обучение Azure" лидером в своем отчете The Forrester WaveTM: прогнозная аналитика и машинное обучение на основе записных книжек, третий квартал 2020 года.

Исследование Forrester Total Economic ImpactTM (TEI)

Исследование Forrester Consulting Total Economic ImpactTM (TEI), выполненное корпорацией Майкрософт, проверяет потенциальную выгоду от инвестиций, которые предприятия могут реализовать с Машинным обучением Azure.

Технический документ по решениям для машинного обучения

Узнайте, как создавать защищенные, масштабируемые и объективные решения.

Технический документ ответственного применения ИИ

Изучите средства и методы для понимания, защиты и контроля ваших моделей.

Технический документ операций машинного обучения (MLOps)

Ускорьте процесс создания, обучения и развертывания моделей в большом масштабе.

Технический документ по Машинному обучению с поддержкой Azure Arc

Узнайте, как создавать, обучать и развертывать модели в любой инфраструктуре.

Комплексные встроенные средства обеспечения безопасности и соответствия требованиям

  • Корпорация Майкрософт ежегодно инвестирует более USD 1 млрд долларов США в научные исследования и разработку решений для обеспечения кибербезопасности.

  • У нас работает более 3,500 специалистов по обеспечению безопасности и конфиденциальности данных.

  • У Azure больше сертификатов, чем у любого другого поставщика облачных служб. Просмотрите полный список.

Сведения об использовании Машинного обучения Azure

Перейти в веб-интерфейс студии

Сборка и обучение

Развертывание и управление

Этап 1 из 1

Создавайте модели и храните их вместе с целевыми объектами вычислений, развертываниями, метриками и историями выполнений в облаке.

Этап 1 из 1

Используйте автоматизированное машинное обучение для выявления алгоритмов и гиперпараметров и отслеживания экспериментов в облаке. Создавайте модели с помощью записных книжек или конструктора с возможностью перетаскивания.

Этап 1 из 1

Разверните свою модель машинного обучения в облаке или на пограничных устройствах, отслеживайте ее производительность и переобучайте модель при необходимости.

Платите только за то, что вам нужно, без каких-либо предварительных выплат

Начало работы с бесплатной учетной записью Azure

Начать бесплатно. Получите кредит $200 для использования в течение 30 дней. Пока у вас есть деньги на счету, получите возможность бесплатного использования (в определенных объемах) многих из наших самых популярных служб, а также доступ к более 40 других служб, которые всегда бесплатны.

Использовав кредит, перейдите на оплату по мере использования, чтобы продолжить работу с помощью тех же бесплатных служб. Оплата потребуется только в том случае, если вы используете больше бесплатных ежемесячных объемов.

По истечении 12 месяцев у вас сохранится доступ к 40+ бесплатным службам, и вы по-прежнему будете платить только за то, что используете за пределами бесплатных ежемесячных лимитов.

Пользователи Машинного обучения Azure

"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."

Ник Бурвен (Nic Bourven), директор по информационным технологиям, AXA UK
AXA UK

"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."

Бикрам Вирк (Bikram Virk), менеджер по продукции, подразделение ИИ и машинного обучения, FedEx
FedEx

"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."

Джефф Нейлсон, менеджер по обработке и анализу данных, 3M
3M

"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."

Профессор Майк Рид, директор клиники, травматология и ортопедия, Northumbria Healthcare NHS Foundation Trust
NHS

"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."

Майкл Кливингер (Michael Cleavinger), старший директор по обработке и анализу данных покупателей и расширенной аналитике, PepsiCo
PepsiCo

"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."

Кейчи Савада, подразделение корпоративного преобразования, Seven Bank
Seven Bank

Ресурсы Машинного обучения Azure

Обновления, блоги и объявления по Машинному обучению Azure

Часто задаваемые вопросы о Машинном обучении Azure

  • Служба находится в открытом доступе в некоторых странах, число которых со временем будет расти.
  • Соглашение об уровне обслуживания (SLA) для Машинного обучения Azure гарантирует время доступности на уровне 99,9 %.
  • Студия машинного обучения Azure является для Машинного обучения ресурсом верхнего уровня. Она предоставляет специалистам по обработке и анализу данных и разработчикам централизованное расположение для работы со всеми артефактами для создания, обучения и развертывания моделей машинного обучения.

Бесплатная учетная запись Azure готова к настройке в любой момент

Поработайте с машинным обучением бесплатно

Знакомство с оплатой по мере использования