Пропустить навигацию

Машинное обучение Azure

Служба корпоративного уровня для жизненного цикла комплексного машинного обучения

Машинное обучение Azure

Служба 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 машинного обучения (ML).

Быстрое создание и обучение моделей

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

Ввод в эксплуатацию в большом масштабе

Развертывайте модели одним щелчком, эффективно управляйте ими и контролируйте их с помощью MLOps.

Создание ответственных решений

Понимание и защита данных и моделей, обеспечение справедливости и улучшение качества моделей.

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.

Возможность 3-кратного увеличения рентабельности инвестиций в проекты машинного обучения

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 (ML)

Маркировка данных

Размечайте данные для обучения и управляйте проектами разметки.

Подготовка данных

Интеграция с модулями 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 ML

Автоматическое обучение и настройка точных моделей.

Конструктор с перетаскиванием

Проектирование с помощью интерфейса разработки с помощью перетаскивания.

Эксперименты

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

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

Используйте развертывание одним щелчком для пакетного вывода и 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 локальной и многооблачной среде.

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

Отслеживайте артефакты ML для соблюдения требований.

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 ML, используя возможности конструирования признаков и перебора гиперпараметров. Используйте отладчик, профилировщик и пояснения к моделям, чтобы повышать их производительность по мере обучения. Используйте глубокую интеграцию с 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 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. Кроме того, на протяжении всего жизненного цикла обеспечивается возможность аудита и управления благодаря встроенным средствам отслеживания и происхождения всех артефактов ML.

Создание решений ответственного машинного обучения

Получите доступ к лучшим в отрасли возможностям ответственного ИИ для повышения прозрачности моделей и надежности. Изучайте модели с помощью готовых визуализаций и используйте анализ “что если” для определения влияния признаков на прогноз. Предоставьте своей команде доступ к диаграммам пояснений к моделям, чтобы обеспечить соответствие требованиям. Используйте самые современные алгоритмы для проверки моделей на справедливость, сравнивайте различные модели и принимайте меры для устранения проблем. Выявляйте и отлаживайте ошибки моделей с помощью набора средств для анализа ошибок, чтобы повышать точность моделей.

Внедрение инноваций на более защищенной и совместимой гибридной платформе

Повысьте безопасность на протяжении всего жизненного цикла ML 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 этого 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 встроенную интеграцию с 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 и прогнозирования временных рядов. 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 ML.

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.

Тесная интеграция с другими службами Azure

Увеличьте производительность благодаря встроенной интеграции с Power BI и такими службами, 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. Для запуска агента машинного обучения достаточно одного щелчка мышью. Он 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

Дайте ИТ-отделу возможность сократить затраты и лучше управлять распределением ресурсов для вычислительных экземпляров с помощью квот на уровне рабочих областей и ресурсов, а также автоматического отключения.

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

Освоение 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.

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, тестируйте его и управляйте им.

Forrester WaveTM, 2020 г.

Компания Forrester назвала службу "Машинное обучение Microsoft Azure" лидером в своем отчете "The Forrester Wave™: прогнозная аналитика и машинное обучение на основе записных книжек, третий квартал 2020 года".

Прогнозируемая окупаемость инвестиций выше в 3 раза — Forrester Total Economic ImpactTM (TEI)

Forrester Total Economic Impact™ (TEI), исследование, проведенное Forrester Consulting по нашему заказу, предоставляет основу для оценки потенциального финансового влияния Машинного обучения Azure на различные организации.

Технический документ: решения машинного обучения с масштабируемостью корпоративного уровня

Технический документ: решения машинного обучения с масштабируемостью корпоративного уровня

Технический документ по ответственному ИИ

Средства и методы для понимания, защиты и контроля моделей.

Технический документ: операции машинного обучения (MLOps)

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

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.

Ресурсы

Начните использование Машинного обучения Azure уже сегодня

Получите мгновенный доступ и $200 на счет, зарегистрировав бесплатную учетную запись Azure.

Войдите на портал Azure.

Пользователи Машинного обучения Azure

"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 по цифровым технологиям — разработал решение под названием Digital Guide Dog (Цифровая собака-поводырь) для помощи пассажирам. Благодаря Машинному обучению Microsoft Azure обучение новой модели с помощью нейронных сетей занимает всего несколько часов.

DB Systel GmbH

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