Создавайте критически важные для бизнеса модели машинного обучения в большом масштабе
Машинное обучение Azure позволяет специалистам по данным и разработчикам создавать, развертывать и управлять высококачественными моделями быстрее и с уверенностью. Оно ускоряет окупаемость благодаря ведущим в отрасли операциям машинного обучения (MLOps), совместимости с открытым исходным кодом и интегрированным инструментам. Эта надежная платформа обучения на базе ИИ предназначена для приложений ответственного применения ИИ в области машинного обучения.
Ускорение окупаемости
Создавайте модели машинного обучения, используя мощную инфраструктуру ИИ и управляя рабочими процессами ИИ с помощью потока запросов.
Совместная работа и оптимизация MLOps
Быстрое развертывание, управление и совместное использование модели машинного обучения для совместной работы между рабочими пространствами и MLOps .
Уверенная разработка
Встроенное управление, безопасность и соответствие требованиям для запуска рабочих нагрузок машинного обучения в любом расположении.
Ответственное проектирование
Ответственный искусственный интеллект для создания объяснимых моделей с использованием решений на основе данных для обеспечения прозрачности и подотчетности.
Поддержка сквозного жизненного цикла машинного обучения
Маркировка данных
Пометка данных обучения и управление проектами меток.
Подготовка данных
Использование с обработчиками аналитики для исследования и подготовки данных.
Наборы данных
Доступ к данным, создание и совместное использование наборов данных.
Записные книжки
Использование записных книжек Jupyter для совместной работы с подключенными вычислительными ресурсами.
Автоматизированное машинное обучение
Автоматически обучайте и настраивайте точные модели ИИ.
Конструктор перетаскивания
Проектирование с помощью интерфейса разработки с перетаскиванием.
Эксперименты
Запуск экспериментов, создание и совместное использование настраиваемых панелей мониторинга.
Интерфейс командной строки и Python SDK
Ускорение процесса обучения модели при масштабировании вычислительных ресурсов Azure.
Visual Studio Code и GitHub
Используйте знакомые инструменты машинного обучения и легко переключайтесь с локального обучения на облачное.
Вычислительный экземпляр
Осуществляйте разработку в управляемой и безопасной среде с динамически масштабируемыми ЦП, GPU и суперкомпьютерными кластерами.
Библиотеки и структуры с открытым кодом
Встроенная поддержка Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib и других.
Управляемые конечные точки
Быстро и легко развертывайте модели обучения на базе ИИ для пакетной обработки и вывода в реальном времени.
Конвейеры и CI/CD
Автоматизация рабочих процессов машинного обучения.
Готовые образы
Доступ к образам контейнеров со структурами и библиотеками для логического вывода.
Репозиторий моделей
Делитесь и отслеживайте модели и данные машинного обучения.
Гибридные и многооблачные решения
Обучение и развертывание моделей в локальной среде и в многооблачных средах.
Оптимизированные модели
Ускорение обучения и логических выводов и снижение затрат с помощью ONNX Runtime.
Реестры
Делитесь моделями и конвейерами и открывайте для себя их в разных командах вашей организации.
Мониторинг и анализ
Отслеживание, регистрация и анализ данных, моделей и ресурсов.
Смещение данных
Обнаружение смещения и поддержание точности модели.
Анализ ошибок
Отлаживайте модели и оптимизируйте точность моделей ИИ.
Аудит
Отслеживание артефактов машинного обучения для обеспечения соответствия требованиям.
Политики
Использование встроенных и настраиваемых политик для управления соответствием требованиям.
Безопасность
Преимущества непрерывного мониторинга с помощью Центра безопасности Azure.
Управление затратами
Применяйте управление квотами и автоматическое отключение.
Машинное обучение Azure для генеративного ИИ
Оркестрация рабочего процесса ИИ
Упрощайте разработку, вычисление и развертывание приложений на базе больших языковых моделей с помощью потока запросов. Легко отслеживайте, воспроизводите, визуализируйте и улучшайте запросы и потоки в различных инструментах и ресурсах. Узнайте больше о генеративном ИИ в Машинном обучении.
Управляемая комплексная платформа
Оптимизируйте весь жизненный цикл большой языковой модели и управления моделями с помощью собственных возможностей MLOps. Безопасно запускайте машинное обучение в любом месте с помощью безопасности корпоративного уровня. Устраняйте смещения моделей и оценивайте модели с помощью панели мониторинга "Ответственное применение ИИ".
Гибкие инструменты и платформы
Создавайте модели глубокого обучения в таких инструментах, как Visual Studio Code и Jupyter Notebook, используя гибкие платформы, например PyTorch или TensorFlow. Машинное обучение Azure совместимо со средой выполнения ONNX и DeepSpeed для оптимизации обучения и вывода.
Производительность мирового уровня
Используйте специально созданную инфраструктуру искусственного интеллекта, предназначенную для объединения новейших графических процессоров NVIDIA и сетевых решений InfiniBand со скоростью до 400 Гбит/с. Масштабируйте до тысяч графических процессоров в одном кластере с беспрецедентным масштабом.
Сокращение времени окупаемости благодаря быстрой разработке моделей
Повышайте производительность с помощью унифицированного интерфейса студии. Создавайте, обучайте и развертывайте модели с помощью Jupyter Notebook, используя встроенную поддержку платформ и библиотек с открытым исходным кодом. Быстро создавайте модели с помощью автоматизированного машинного обучения для табличных, текстовых и графических данных. Используйте Visual Studio Code для беспрепятственного перехода от локального к облачному обучению и автоматического масштабирования с помощью инфраструктуры ИИ Azure на платформе NVIDIA Quantum-2 InfiniBand. Разрабатывайте, сравнивайте, вычисляйте и развертывайте свои запросы для приложений на базе больших языковых моделей с помощью потока запросов.
Совместная работа и оптимизация управления моделями с помощью MLOps
Оптимизируйте развертывание и управление тысячами моделей в различных средах с помощью MLOps. Ускоренное развертывание и оценка моделей машинного обучения благодаря полностью управляемым конечным точкам для пакетного прогнозирования и прогнозирования в реальном времени. Использование повторяющихся конвейеров с целью автоматизации рабочих процессов для непрерывной интеграции и непрерывной доставки (CI/CD). Совместное использование и обнаружение артефактов машинного обучения несколькими командами для совместной работы, используя реестры и управляемое хранилище функций. Непрерывный мониторинг метрик производительности модели, обнаружение смещения данных и запуск повторного обучения для повышения производительности модели.
Создавайте решения корпоративного уровня на гибридной платформе
Поставьте безопасность на первое место в жизненном цикле машинного обучения, используя встроенные средства управления данными в Microsoft Purview . Воспользуйтесь преимуществами комплексных возможностей обеспечения безопасности, охватывающих удостоверения, данные, сети, мониторинг и соответствие требованиям, которые протестированы и утверждены корпорацией Майкрософт. Защита решений с использованием настраиваемого контроля доступа на основе ролей, виртуальных сетей, шифрования данных, частных конечных точек и частных IP-адресов. Обучайте и развертывайте модели где угодно, от локальных до многооблачных, чтобы соответствовать требованиям суверенитета данных. Управляйте с уверенностью, используя встроенные политики и соответствие 60 сертификатам, включая FedRAMP High и HIPAA.
Используйте ответственные методы искусственного интеллекта на протяжении всего жизненного цикла
Оценка моделей машинного обучения с помощью воспроизводимых и автоматизированных рабочих процессов для оценки объективности модели, объяснимости, анализа ошибок, причинно-следственного анализа, производительности модели и исследовательского анализа данных. Осуществляйте реальное вмешательство с помощью причинно-следственного анализа на панели управления ответственным искусственным интеллектом и создавайте оценочную карту во время развертывания. Контекстуализация ответственных показателей ИИ как для технической, так и для нетехнической аудитории для привлечения заинтересованных сторон и оптимизации проверки соответствия.
Развитие навыков по работе с машинным обучением с помощью Azure
Узнайте больше о машинном обучении в Azure и примите участие в практических занятиях в рамках этого 30-дневного курса. По завершении курса вы будете готовы пройти сертификацию Azure Data Scientist Associate Certification.
Основные сервисные возможности для полного жизненного цикла машинного обучения
-
Подготовка данных
Быстрая повторная подготовка данных в масштабе кластеров Apache Spark в Машинном обучении Azure , совместимых с Azure Databricks.
-
Хранилище функций
Повысьте гибкость доставки своих моделей, сделав функции обнаруживаемыми и повторно используемыми в нескольких рабочих областях с помощью хранилища управляемых функций.
-
Совместная работа с записными книжками
Запустите свой блокнот в Jupyter Notebook или Visual Studio Code , чтобы получить широкие возможности разработки, включая отладку и поддержку системы управления исходным кодом Git.
-
Автоматизированное машинное обучение
Быстро создавайте точные модели для классификации, регрессии, прогнозирования временных рядов, задач обработки естественного языка и задач компьютерного зрения с помощью автоматизированного машинного обучения.
-
Машинное обучение с помощью перетаскивания
Используйте инструменты машинного обучения, такие как конструктор , для преобразования данных, обучения и оценки моделей или для простого создания и публикации конвейеров машинного обучения.
-
Ответственное применение ИИ
Создавайте ответственные решения искусственного интеллекта с возможностями интерпретации. Оценивайте и улучшайте объективность модели с помощью метрик несоответствия.
-
Реестры
Используйте общеорганизационные репозитории для хранения и совместного использования моделей, конвейеров, компонентов и наборов данных в нескольких рабочих областях. Сохраняйте родословную и управляйте данными с помощью функции контрольного журнала.
-
Управляемые конечные точки
Используйте управляемые конечные точки для развертывания и оценки модели, регистрации показателей и безопасного развертывания модели.
Встроенные комплексные средства безопасности и соответствия требованиям
-
Корпорация Майкрософт ежегодно инвестирует более 1 млрд USD (долларов США) в исследования и разработку решений для кибербезопасности.
-
У нас работает более 3500 специалистов по безопасности, которые посвятили себя защите данных и обеспечению их конфиденциальности.
-
Платите только за то, что вам нужно, без каких-либо предварительных выплат
Начало работы с бесплатной учетной записью Azure
1
2
Чтобы продолжать работу с этими службами, когда закончатся деньги на счете, перейдите на оплату по мере использования. Плата будет взиматься только при использовании служб сверх предоставляемого бесплатно ежемесячного объема.
3
Ресурсы Машинного обучения Azure
Дополнительные учебники
- Обучение моделей машинного обучения
- Настройка гиперпараметров для модели
- Конвейеры машинного обучения с Python SDK
- Обучение бескодовых моделей классификации
- Обучайте бескодовых модели регрессии с помощью конструктора
- Мониторинг и анализ заданий в студии
- Управление моделями, развертывание и мониторинг
- Создание и эксплуатация решений для машинного обучения
- Сквозные операции машинного обучения
- Обучение моделей с интенсивными вычислениями
Избранные видео
IDC MarketScape: Оценка поставщиков MLOps 2022
Узнайте, как корпоративные организации в разных отраслях используют MLOps для преодоления трудностей, связанных с внедрением технологий искусственного интеллекта и машинного обучения.
Технический документ MLOps
Знакомство с системным подходом к созданию, развертыванию и мониторингу решений машинного обучения с помощью MLOps. Быстро создавайте, тестируйте и управляйте готовыми к работе жизненными циклами машинного обучения в любом масштабе.
Исследование общего экономического воздействия Forrester
В исследовании Forrester Consulting Total Economic ImpactTM, проведенном по заказу корпорации Майкрософт, рассматривается потенциальная отдача от инвестиций, которую предприятия могут получить с помощью Машинного обучения Azure.
Технические документы по решениям для машинного обучения
Узнайте, как создавать более безопасные, масштабируемые и равноправные решения для машинного обучения.
Технический документ об ответственном применении ИИ
Узнайте, как создавать более безопасные, масштабируемые и равноправные решения для машинного обучения.
Технический документ MLOps
Ускоряйте создание, обучение и развертывание моделей в большом масштабе.
Технический документ по машинному обучению с поддержкой Azure Arc
Изучение создания, обучения и развертывания моделей в любой инфраструктуре.
Часто задаваемые вопросы о Машинном обучении Azure
-
Служба находится в открытом доступе в некоторых странах и регионах, число которых со временем будет расти.
-
Соглашение об уровне обслуживания для машинного обучения Azure обеспечивает 99,9% времени безотказной работы.
-
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.