Машинное обучение для специалистов по обработке и анализу данных

Ознакомьтесь с инструментами машинного обучения для специалистов по обработке и анализу данных и инженеров по машинному обучению и узнайте, как создавать решения машинного обучения в масштабе облака в Azure.

Подробнее о машинном обучении в Azure

Создавайте и развертывайте модели машинного обучения для критически важных процессов ответственно и на своих условиях с помощью средств и служб Azure.

Разработка моделей машинного обучения на ваших условиях

Создавайте модели машинного обучения с использованием предпочитаемого языка разработки, среды и платформы машинного обучения с помощью удобных для вас инструментов, а также развертывайте модели в облачных, локальных и пограничных средах с помощью ИИ Azure.

Ответственное создание решений машинного обучения

Анализируйте модели машинного обучения, защищайте данные с использованием дифференциальной приватности и конфиденциальных вычислений, а также управляйте жизненным циклом машинного обучения с помощью журналов и таблиц аудита.

Уверенное развертывание моделей машинного обучения для критически важных для бизнеса процессов

Развертывайте высокомасштабируемые, отказоустойчивые и воспроизводимые решения машинного обучения, а также управляйте ими.

Ознакомьтесь с 10 рекомендациями по ответственной разработке ИИ. Присоединяйтесь к экспертам по ИИ от Майкрософт и BCG в цифровом событии Azure Responsible AI. Зарегистрируйтесь сейчас.

Посмотрите, как другие специалисты по обработке и анализу данных используют Машинное обучение Azure

Критически важные рабочие нагрузки Работа на своих условиях

Узнайте, как организации с помощью Azure поддерживают критически важные рабочие нагрузки.

Humana

Узнайте, как страховая компания Humana реализовала критически важные возможности на основе искусственного интеллекта в сфере здравоохранения.

AGL

Узнайте, как в AGL внедрили MLOps с помощью Машинного обучения Azure.

UCLA

Узнайте, как в UCLA впервые был задействован искусственный интеллект для помощи врачам в их работе.

Подробнее о машинном обучении в наших видео

Критически важные рабочие нагрузки Работа на своих условиях Последние инновации в сфере ИИ

Узнайте, как решения машинного обучения помогают в поддержке критически важных приложений.

Обучение моделей машинного обучения в большом масштабе

Узнайте, как подобрать подходящие вычислительные ресурсы в Azure для масштабирования ваших заданий обучения.

Развертывание модели и формирование выводов

Узнайте о различных вариантах развертывания и оптимизации для формирования выводов при работе с крупномасштабной моделью.

Описание MLOps

Узнайте о важности методик MLOps и связанных с ними процессов.

Защита сред машинного обучения

Узнайте, как Azure предоставляет доступ к системам безопасности и управления корпоративного класса.

Машинное обучение в гибридной и многооблачной среде

Узнайте, как подготавливать гибридные и многооблачные среды машинного обучения.

Открытость и возможность взаимодействия в машинном обучении

Узнайте, как Машинное обучение Azure взаимодействует с технологиями с открытым кодом и интегрируется с другими службами Azure.

MLOps с использованием Машинного обучения Azure

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

Решения машинного обучения с безопасностью и масштабируемостью корпоративного уровня

Узнайте, как создавать защищенные, масштабируемые и объективные решения машинного обучения с помощью Машинного обучения Azure.

Ответственное использование ИИ с Машинным обучением Azure

Изучите средства и методы, которые помогут вам понять, защитить модели машинного обучения и обеспечить управление ими.

Узнайте больше, изучив примеры архитектуры решений

Изучите различные сценарии для использования Машинного обучения Azure.

Машинное обучение

Управляйте процессом обучения моделей с помощью настраиваемых параметров, которые называются гиперпараметрами. Изучите рекомендуемые практики для настройки гиперпараметров моделей Python и узнайте, как автоматизировать настройку гиперпараметров и выполнять эксперименты параллельно для эффективной оптимизации гиперпараметров.

Глубокое обучение

Узнайте, как выполнять распределенное обучение моделей глубокого обучения в кластерах виртуальных машин с поддержкой графических процессоров (GPU). За основу взят сценарий классификации изображений, но это решение можно адаптировать к любым сценариям глубокого обучения, таким как сегментация и обнаружение объектов.

MLOps

Узнайте, как реализовать конвейер непрерывной интеграции и непрерывной поставки (CI/CD), а также повторного обучения для приложения ИИ с использованием Azure DevOps и Машинного обучения Azure. Это решение создано на основе набора данных scikit-learn diabetes, но может быть легко адаптировано к любому сценарию ИИ и другим популярным системам сборки.

Развертывание в пограничных средах

Узнайте, как использовать Azure Stack Edge для применения быстрого вывода на основе машинного обучения не только в облаке, но также в локальных и пограничных средах. Используйте Azure Stack Edge для применения таких возможностей Azure, как вычисление, хранение, сетевое подключение и аппаратное ускорение машинного обучения, в любом пограничном расположении.

Пакетная оценка

Узнайте, как использовать Машинное обучение Azure для нейронного переноса стиля. Это техника глубокого обучения, которая выдает видео изменения стиля существующего изображения на стиль другого изображения.

Оценка в реальном времени

Узнайте, как развернуть модели Python в виде веб-служб для прогнозирования в реальном времени с помощью Службы Azure Kubernetes (AKS). Модели машинного обучения, развернутые в AKS, можно использовать для крупномасштабных рабочих развертываний.