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

Создавайте важные для бизнеса модели машинного обучения в большом масштабе

Предоставьте специалистам по обработке и анализу данных и разработчикам возможность быстрее и увереннее создавать и развертывать высококачественные модели, а также управлять ими. Сократите сроки окупаемости благодаря ведущим в отрасли средствам MLOps (операции машинного обучения), взаимодействию с решениями с открытым кодом и интегрированным инструментам. Внедряйте инновации на безопасной и надежной платформе, предназначенной для ответственного применения ИИ в области машинного обучения.

Быстрое создание и обучение моделей

Используйте среду разработки Студии для доступа к встроенным средствам и лучшей в своем классе поддержке платформ и библиотек с открытым кодом.

Создание ответственных решений

Разработка моделей для обеспечения справедливости и пояснения, их ответственное использование при развертывании и управление ими с учетом выполнения требований к происхождению данных и соответствия аудиту.

Ввод в эксплуатацию в большом масштабе

Быстро и легко развертывайте модели машинного обучения и эффективно управляйте ими с помощью MLOps.

Работа с инновациями на более защищенной гибридной платформе

Запускайте рабочие нагрузки машинного обучения в любом расположении благодаря встроенной системе управления, а также средствам обеспечения безопасности и соответствия требованиям.

Рентабельность инвестиций для проектов машинного обучения до 3-х раз выше

Сокращение числа шагов по обучению моделей на 70 %

Сокращение объема кода для конвейеров на 90 %

60 сертификатов соответствия требованиям

Единственная платформа с поддержкой PyTorch Enterprise

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.

Автоматическое 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.

Интерфейс командной строки

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.

Оптимизируйте модели

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.

Ускорение окупаемости благодаря быстрой и точной 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, используя встроенную поддержку популярных платформ и библиотек с открытым кодом. Быстро создавайте точные модели с помощью автоматизированного машинного обучения, используя возможности конструирования признаков и перебора гиперпараметров. Используйте отладчик, профилировщик и пояснения к моделям, чтобы повышать их производительность по мере обучения. Используйте углубленный Visual Studio Code для плавного перехода от обучения в локальной среде к обучению в облачной среде и автомасштабирования с использованием мощных облачных кластеров ЦП и GPU.

Ввод в эксплуатацию в большом масштабе с помощью операций машинного обучения (MLOps)

Оптимизируйте развертывание и администрирование тысяч моделей в локальных, пограничных и многооблачных средах с помощью MLOps. Развертывайте и оценивайте модели машинного обучения быстрее с помощью полностью управляемых конечных точек для пакетного прогнозирования и прогнозирования в реальном времени. Используйте воспроизводимые конвейеры для автоматизации рабочих процессов для непрерывной интеграции и непрерывной поставки (CI/CD). Постоянно отслеживайте метрики эффективности моделей, выявляйте смещение данных и запускайте переобучение для повышения эффективности моделей. На протяжении всего жизненного цикла обеспечивается возможность аудита и управления благодаря встроенным средствам отслеживания и происхождения всех артефактов машинного обучения.

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 и политики в реальном времени с помощью анализа причинно-следственных связей на информационной панели ответственного применения ИИ, а также систему показателей во время развертывания. Экспортируйте систему показателей в PDF для контекстуализации метрик ответственного применения ИИ и делитесь ею как с технической, так и с нетехнической аудиторией для привлечения заинтересованных лиц и упрощения проверки соответствия требованиям.

Внедрение инноваций на более защищенной и совместимой гибридной платформе

Повысьте безопасность на протяжении всего жизненного цикла машинного обучения с помощью комплексных возможностей, охватывающих идентификацию, проверку подлинности, данные, сети, мониторинг, систему управления и соответствие требованиям. Создавайте более безопасные решения машинного обучения, используя настраиваемые средства управления доступом на основе ролей, виртуальные сети, шифрование данных, частные конечные точки и сквозные частные IP-адреса. Обучайте и развертывайте модели в локальной среде в соответствии с требованиями к независимости данных. Работайте с системой управления, используя встроенные политики, и оптимизируйте обеспечение соответствия с помощью полного портфеля из 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

Выполняйте интерактивную подготовку данных с помощью PySpark, используя Azure Synapse Analytics.

Совместная работа с записными книжками

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.

Автоматическое 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 поддержкой перетаскивания

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 машинное обучение

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.

Служба “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.

Реестр моделей и журнал аудита

Используйте централизованный реестр для хранения и отслеживания данных, моделей и метаданных. Реализуйте автоматический сбор данных о происхождении и управлении с помощью 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.

Автомасштабирование вычислительных ресурсов

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.

Azure Arc-enabled Machine Learning white paper

Learn how to build, train, and deploy models in any infrastructure.

Встроенные комплексные функции 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

Создание 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

"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."

Др. Дипа Касинатан (Deepa Kasinathan), менеджер по продукции и руководитель группы, Robotron Datenbank-Software GmbH
BMW Group

"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."

Игнаси Паредес-Олива (Ignasi Paredes-Oliva), ведущий специалист по обработке и анализу данных, Nestlé Global Security Operations Center
Nestle Italia

"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

Упрощение жизни пассажиров железнодорожного транспорта

DB Systel — партнер немецкой железнодорожной компании Deutsche Bahn — разработал решение под названием Digital Guide Dog (Цифровая собака-поводырь) для помощи пассажирам. Благодаря Машинному обучению Azure обучение новой модели с помощью нейронных сетей занимает всего несколько часов.

DB Systel GmbH

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