Пропустить навигацию

Машинное обучение Azure

Сделайте средства искусственного интеллекта доступными для всех благодаря полнофункциональной масштабируемой надежной платформе с возможностью экспериментирования и функцией управления моделями

Ускорьте жизненный цикл машинного обучения.

Empower data scientists and developers with a wide range of productive experiences to build, train, and deploy machine learning models and foster team collaboration. Accelerate time to market with industry-leading MLOps—machine learning operations, or DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.

Машинное обучение для всех уровней навыков

Productivity for all skill levels, with Jupyter Notebooks, drag-and-drop designer, and automated machine learning

Комплексный процесс MLOps

Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows

Инновационные средства машинного обучения, разработанные для ответственного использования

Rich set of built-in responsible capabilities to understand, protect, and control data, models, and processes

Открытость и совместимость

Best-in-class support for open-source frameworks and languages including MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, and R

Boost productivity with machine learning for all skill levels

Быстро собирайте и развертывайте модели машинного обучения, используя средства, соответствующие вашим потребностям, независимо от уровня навыков. Используйте встроенные записные книжки Jupyter Notebook с технологией IntelliSense или конструктор с поддержкой перетаскивания. Ускорьте создание моделей с помощью автоматизированного машинного обучения и получите доступ к мощным функциям конструирования признаков и выбора алгоритмов, а также возможностям перебора гиперпараметров. Повысьте эффективность работы в команде с помощью общих наборов данных, записных книжек, моделей и настраиваемых панелей мониторинга, которые позволяют отслеживать все аспекты процесса машинного обучения.

Масштабное внедрение моделей с помощью методик MLOps

Take advantage of MLOps to streamline the machine learning lifecycle, from building models to deployment and management. Create reproducible workflows with machine learning pipelines, and train, validate, and deploy thousands of models at scale, from the cloud to the edge. Use managed online and batch endpoints to seamlessly deploy and score models without managing the underlying infrastructure. Use Azure DevOps or GitHub Actions to schedule, manage, and automate the machine learning pipelines, and use advanced data-drift analysis to improve model performance over time.

Возможности для создания решений ответственного машинного обучения

Access state-of-the-art responsible machine learning capabilities to understand, control, and help protect your data, models, and processes. Explain model behavior during training and inferencing, and build for fairness by detecting and mitigating model bias. Preserve data privacy throughout the machine learning lifecycle with differential privacy techniques and use confidential computing to secure machine learning assets. Automatically maintain audit trails, track lineage, and use model datasheets to enable accountability.

Разработка инноваций на открытой и гибкой платформе

Get built-in support for open-source tools and frameworks for machine learning model training and inferencing. Use familiar frameworks like PyTorch, TensorFlow, or scikit-learn, or the open and interoperable ONNX format. Choose the development tools that best meet your needs, including popular IDEs, Visual Studio Code, Jupyter Notebooks, and CLIs, or languages such as Python and R. Use ONNX Runtime to optimize and accelerate inferencing across cloud and edge devices. Track all aspects of your training experiments using MLflow.

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 его завершении вы будете готовы к получению сертификата Azure Data Scientist Associate.

Повышенный уровень безопасности, система управления и гибридная инфраструктура

  • Обучайте модели в гибридной инфраструктуре, используя кластеры Kubernetes в локальной, многооблачной и пограничной средах с помощью возможностей взаимодействия Azure Arc.
  • К вашим услугам такие возможности обеспечения безопасности, как доступ на основе ролей, пользовательские роли машинного обучения, виртуальные сети и приватные каналы. Администрируйте систему управления с помощью политик, журналов аудита, а также средств управления квотами и затратами.
  • Оптимизируйте обеспечение соответствия с помощью комплексного портфеля с 60 сертификатами, включая FedRAMP High и DISA IL5.

Основные возможности службы

Совместная работа с записными книжками

Maximize productivity with IntelliSense, easy compute and kernel switching, and offline notebook editing. Launch your notebook in Visual Studio Code for a rich development experience, including secure debugging and support for Git source control.

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 с модулями, для преобразования данных, обучения и оценки моделей, а также для простого создания и публикации конвейеров машинного обучения.

Маркировка данных

Обеспечьте быструю подготовку данных, отслеживайте проекты маркировки и управляйте ими, а также автоматизируйте итеративные задачи с помощью маркировки с использованием машинного обучения.

MLOps

Use the central registry to store and track data, models, and metadata. Automatically capture lineage and governance data. Use Git to track work and GitHub Actions to implement workflows. Manage and monitor runs, or compare multiple runs for training and experimentation. Use managed endpoints to operationalize model deployment and scoring, log metrics, and perform safe model rollouts.

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 со службами Microsoft Power BI и Azure, такими как Azure Synapse Analytics, Когнитивный поиск Azure, Фабрика данных Azure, Azure Data Lake, Azure Arc и Azure Databricks.

Поддержка гибридных и многооблачных сред

Run machine learning on existing Kubernetes clusters on-premises, in multicloud environments, and at the edge with Azure Arc. Use the one-click machine learning agent to start training models more securely, wherever your data lives.

Обучение с подкреплением

Обеспечьте масштабирование обучения с подкреплением на мощных вычислительных кластерах, поддержку сценариев с несколькими агентами, доступ к алгоритмам обучения с подкреплением с открытым кодом, а также масштабирование платформ и сред.

Ответственное машинное обучение

Get model transparency at training and inferencing with interpretability capabilities. Assess model fairness through disparity metrics and mitigate unfairness. Help protect data with differential privacy and confidential machine learning pipelines.

Безопасность корпоративного уровня

Безопасно создавайте и развертывайте модели благодаря таким возможностям, как изоляция сетей и Приватный канал, управление доступом на основе ролей для ресурсов и действий, настраиваемые роли и управляемые удостоверения для вычислительных ресурсов.

Управление затратами

Улучшите управление выделением вычислительных экземпляров Машинного обучения Azure с помощью ограничений квот на уровне рабочих областей и ресурсов.

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

См. цены на Машинное обучение Azure.

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.

принципы обработки и анализа данных

Многие из тех, кто работает с данными, уже отточили навыки программирования и работы с математическим аппаратом или знания в предметной области, но для обработки и анализа данных на должном уровне необходимы все три. Эта комплексная электронная книга поможет вам устранить пробелы.

Лидер согласно отчету Forrester Wave за 2020 год

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".

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

Развертывайте модель машинного обучения в облако или на граничные устройства, отслеживайте производительность и переобучайте модель, если требуется.

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

"The model we deployed on Azure Machine Learning helped us choose three new retail locations. Those stores exceeded their revenue plans by over 200 percent [that] December, the height of our season, and within months of opening were among the best-performing stores in their districts."

Джоли Виталь (Jolie Vitale), директор по бизнес-аналитике и аналитике, Carhartt
Carhartt

"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

"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."

Джои Чуа (Joey Chua), старший менеджер по инжинирингу машинного обучения, AGL
AGL

"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."

Дэниэл Енгберг (Daniel Engberg), руководитель отдела анализа данных и искусственного интеллекта в Scandinavian Airlines
Scandinavian Airlines

"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."

Michael Cleavinger, Senior Director of Shopper Insights Data Science and Advanced Analytics, PepsiCo
PepsiCo

"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."

Алекс Мохельски (Alex Mohelsky), информационный консультант и партнер , аналитик и руководитель подразделения по разработке искусственного интеллекта, EY Canada
EY

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