Maskininlärning för dataforskare
Utforska maskininlärningsverktyg för dataforskare och maskininlärningstekniker och lär dig skapa maskininlärningslösningar i molnet på Azure.
Upptäck maskininlärning i Azure
Skapa och distribuera maskininlärningsmodeller för verksamhetskritiska processer på ett ansvarsfullt sätt och på dina villkor med Azures verktyg och tjänster.
Utveckla maskininlärningsmodeller på dina villkor
Skapa maskininlärningsmodeller med det programmeringsspråk, den miljö och de maskininlärningsramverk som du föredrar med hjälp av valfria verktyg och distribuera dina modeller till molnet, lokalt eller vid gränsen med Azure AI.
Skapa maskininlärningslösningar på ett ansvarsfullt sätt
Förstå maskininlärningsmodeller, skydda data med differentiell sekretess och konfidentiell databehandling samt kontrollera maskininlärningslivscykeln med spårningsloggar och datablad.
Distribuera maskininlärningsmodeller för verksamhetskritiska processer med tillförsikt
Distribuera och hantera skalbara, feltoleranta och reproducerbara maskininlärningslösningar.
Utforska maskininlärning via videor
Utforska hur du kan använda maskininlärningslösningar för att stödja verksamhetskritiska program.
Träna maskininlärningsmodeller i stor skala
Förstå hur du använder rätt beräkning på Azure för att skala träningsjobb.
Modelldistribution och -inferens
Lär dig mer om de olika distributionsalternativen och optimeringarna för storskalig modellinferens.
Så här fungerar MLOps
Lär dig mer om vikten av MLOps och de processer som är associerade med den.
Skydda dina maskininlärningsmiljöer
Se hur du använder Azure för att få åtkomst till säkerhet och styrning i företagsklass.
Maskininlärning i hybridmoln och flera moln
Se hur du etablerar maskininlärningsmiljöer för hybrider och flera moln.
Öppen och samverkande maskininlärning
Se hur Azure Machine Learning fungerar med tekniker med öppen källkod och integreras med andra Azure-tjänster.
Se hur du använder Azure Machine Learning-produkter och -tjänster för att skapa maskininlärningsmodeller på dina villkor.
Grunderna i maskininlärning i molnet
Få en introduktion till maskininlärning och utforska de viktigaste faserna i maskininlärningslivscykeln.
Maskininlärningsverktyg i Azure
Utforska maskininlärningsverktyg för dataforskare och se hur de fungerar i Azure.
Grunderna i djupinlärning med PyTorch
Se hur du kan använda PyTorch för att lösa ett enkelt bildklassificeringsproblem.
Kör maskininlärning var som helst
Kör maskininlärning lokalt eller i flera moln med hjälp av befintlig Kubernetes-infrastruktur.
Lär dig grunderna i PyTorch
Titta på en självstudie med PyTorch-utvecklaren och -förespråkaren Suraj Subramanian.
Skapa ansvarsfull AI med hjälp av verktyg för felanalys
Se hur du identifierar modellfel och diagnostiserar rotorsakerna.
Märka (tagga) ljud med hjälp av djupinlärning
Lär dig hur du använder ljud, konverterar dem till bilder och skapar en klassificeringsmodell för att märka låtarna enligt stämning.
Reproducerbar dataforskning med maskininlärning
Lär dig hur du organiserar ett reproducerbart arbetsflöde.
MLOps med Azure Machine Learning
Påskynda processen för att skapa, träna och distribuera maskininlärningsmodeller i stor skala.
Maskininlärningslösningar med säkerhet och skala i företagsklass
Lär dig hur du skapar säkra, skalbara och rättvisa maskininlärningslösningar med Azure Machine Learning.
Ansvarsfull AI med Azure Machine Learning
Utforska verktyg och metoder som hjälper dig att förstå, skydda och kontrollera dina maskininlärningsmodeller.
Lär dig mer genom exempel på lösningsarkitekturer
Utforska olika scenarier för användning av Azure Machine Learning.
Maskininlärning
Kontrollera modellträningsprocessen med justerbara parametrar som kallas hyperparametrar. Utforska rekommenderade metoder för att justera hyperparametrarna för Python-modeller och se hur du automatiserar justering av hyperparametrar och kör experiment parallellt för att effektivt optimera hyperparametrar.
Djupinlärning
Se hur du utför distribuerad träning av djupmaskininlärningsmodeller mellan kluster av GPU-aktiverade virtuella datorer. Det här scenariot är för bildklassificering, men lösningen kan generaliseras till andra djupinlärningsscenarier, till exempel segmentering eller objektidentifiering.
MLOps
Lär dig att implementera kontinuerlig integrering (CI) och kontinuerlig leverans (CD) samt träna om pipelinen för ett AI-program med hjälp av Azure DevOps och Azure Machine Learning. Lösningen bygger på scikit-learn-datamängden för diabetes men kan enkelt anpassas för alla AI-scenarier och andra populära byggsystem.
Gränsdistribution
Se hur du använder Azure Stack Edge för att utöka snabb slutsatsdragning med maskininlärning från molnet till lokala scenarier eller gränsscenarier. Använd Azure Stack Edge-enheter för att dra nytta av Azure-funktioner såsom beräkning, lagring, nätverksanslutningar och maskinvaruaccelererad maskininlärning för valfri gränsenhet.
Batchbedömning
Lär dig hur du använder Azure Machine Learning för att tillämpa överföring av neural stil, en djupinlärningsteknik som skapar en befintlig bild med stilen från en annan bild till en video.
Realtidsbedömning
Utforska hur du distribuerar Python-modeller som webbtjänster för att göra förutsägelser i realtid med Azure Kubernetes Service (AKS). Maskininlärningsmodeller som distribueras i AKS är lämpliga för storskaliga produktionsdistributioner.
Uppdateringar om AI, bloggar och meddelanden
30 SEPTEMBER 2020