Affärskritiska maskininlärningsmodeller i stor skala
Azure Machine Learning ger dataforskare och utvecklare möjlighet att skapa, distribuera och hantera modeller av hög kvalitet snabbare och med tillförsikt. Den accelererar tid till värde med branschledande maskininlärningsåtgärder (MLOps), samverkan med öppen källkod och integrerade verktyg. Den här betrodda plattformen är utformad för ansvarsfulla AI-program inom maskininlärning.
Snabb modellutveckling och utbildning med integrerade verktyg och stöd skalbar, ändamålsbyggd AI-infrastruktur.
Ansvarsfull AI-modellutveckling med inbyggd rättvisa och förklaring samt ansvarsfull användning för efterlevnad
Snabb distribution, hantering och delning av ML-modeller för samarbete mellan arbetsytor och MLOps
Inbyggd styrning, säkerhet och efterlevnad för maskininlärningsarbetsbelastningar var som helst
Stöd för livscykeln för maskininlärning från slutpunkt till slutpunkt
Dataetikettering
Märk träningsdata och hantera etiketteringsprojekt.
Förberedelse av data
Använd med analysmotorer för datautforskning och förberedelse.
Datauppsättningar
Få åtkomst till data och skapa och dela datauppsättningar.
Notebook-filer
Använd jupyter-anteckningsböcker för samarbete med ansluten beräkning.
Automatiserad maskininlärning
Träna och finjustera korrekta modeller automatiskt.
Dra och släpp-designer
Designa med ett dra och släpp-utvecklingsgränssnitt.
Experiment
Kör experiment och skapa och dela anpassade instrumentpaneler.
CLI och Python SDK
Påskynda modellträningsprocessen och skala upp och ut på Azure-beräkning.
Visual Studio Code och GitHub
Använd välbekanta verktyg och växla enkelt från lokal träning till träning i molnet.
Beräkningsinstans
Utveckla i en hanterad och säker miljö med dynamiskt skalbara processorer, GPU:er och superdatorkluster.
Bibliotek och ramverk med öppen källkod
Få inbyggt stöd för Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib med mera.
Hanterade slutpunkter
Distribuera modeller för slutsatsdragning av batch- och realtid snabbt och enkelt.
Pipelines och CI/CD
Automatisera Machine Learning-arbetsflöden.
Fördefinierade bilder
Få åtkomst till containeravbildningar med ramverk och bibliotek för slutsatsdragning.
Modelldatabas
Dela och spåra modeller och data.
Hybrid och flera moln
Träna och distribuera modeller lokalt och i miljöer med flera moln.
Optimera modeller
Påskynda träning och slutsatsdragning och sänk kostnaderna med ONNX Runtime.
Övervakning och analys
Spåra, logga och analysera data, modeller och resurser.
Dataavvikelse
Identifiera avvikelse och upprätthålla modellprecision.
Felanalys
Felsök modeller och optimera modellprecisionen.
Granskning
Spåra maskininlärningsartefakter för efterlevnad.
Policy
Använd inbyggda och anpassade principer för efterlevnadshantering.
Säkerhet
Få kontinuerlig övervakning med Azure Security Center.
Kostnadskontroll
Tillämpa kvothantering och automatisk avstängning.
Azure Machine Learning för djupinlärning
Hanterad plattform från slutpunkt till slutpunkt
Effektivisera hela livscykeln för djupinlärning och hantering av modeller med inbyggda MLOps-funktioner. Kör maskininlärning var som helst på ett säkert sätt med säkerhet i företagsklass. Minimera modellförskjutningar och utvärdera modeller med instrumentpanelen ansvarsfull AI.
Alla utvecklingsverktyg och ramverk
Skapa djupinlärningsmodeller med dina favorit-IDE:er från Visual Studio Code till Jupyter Notebooks och i valfritt ramverk med PyTorch och TensorFlow. Azure Machine Learning integreras med ONNX Runtime och DeepSpeed för att optimera din träning och slutsatsdragning.
Prestanda i världsklass
Använd specialbyggd AI-infrastruktur unikt utformad för att kombinera de senaste NVIDIA-GPU:erna och Mellanox Networking upp till 200 GB/s InfiniBand-sammankopplingar. Skala upp till tusentals GPU:er i ett enda kluster med oöverträffad skala.
Öka tiden till värde med snabb modellutveckling
Operationalisera i stor skala med MLOps
Leverera lösningar för ansvarsfull maskininlärning
Förnya på en hybridplattform som är säkrare och mer kompatibel
Utveckla dina kunskaper i maskininlärning med Azure
Viktiga tjänstfunktioner för hela maskininlärningslivscykeln
-
Dataetikettering
Skapa, hantera och övervaka etiketteringsprojekt och automatisera iterativa uppgifter med hjälp av maskininlärningsassisterad etikettering.
-
Förberedelse av data
Iterera snabbt vid dataförberedelse i stor skala på Apache Spark kluster inom Azure Machine Learning som kan samverka med Azure Synapse Analytics.
-
Notebook-filer för samarbete
Maximera produktiviteten med IntelliSense, enkel beräkning och kernelväxling samt offlineredigering av anteckningsböcker. Starta din notebook-fil i Visual Studio Code och få en avancerad utvecklingsmiljö med säker felsökning och stöd för Git-källkontroll.
-
Automatiserad maskininlärning
Skapa snabbt korrekta modeller för klassificering, regression, tidsserieprognoser, bearbetningsuppgifter för naturligt språk och uppgifter för visuellt innehåll. Använd tolkningsbarhet för modeller i syfte att förstå hur modellen skapades.
-
Dra och släpp-maskininlärning
Använd verktyg för maskininlärning som designern för dataomvandling samt modellträning och -utvärdering eller för att enkelt skapa och publicera maskininlärningspipelines.
-
Kunskapsförmedling
Skala förstärkningsträning till kraftfulla beräkningskluster, ge stöd för scenarier med flera agenter och få åtkomst till kunskapsförmedlingsalgoritmer med öppen källkod, ramverk och miljöer.
-
Ansvarsfull byggnad
Få modelltransparens vid träning och slutsatsdragning med funktioner för tolkningsbarhet. Utvärdera modellrättvisa via diskrepansmått och minska orättvisa. Förbättra modellens tillförlitlighet och identifiera och diagnostisera modellfel med verktygslådan för felanalys. Skydda data med differentiell sekretess.
-
Experimentering
Hantera och övervaka körningar eller jämför flera körningar för träning och experimentering. Skapa anpassade instrumentpaneler och dela med ditt team.
-
Register
Använd hela organisationens lagringsplatser för att lagra och dela modeller, pipelines, komponenter och datauppsättningar på flera arbetsytor. Samla in ursprungs- och styrningsdata automatiskt med hjälp av spårningsfunktionen.
-
Git och GitHub
Använd Git-integrering för att spåra arbete och GitHub Actions-stöd för att implementera arbetsflöden för maskininlärning.
-
Hanterade slutpunkter
Använd hanterade slutpunkter för att operationalisera modelldistribution och bedömning, logga mått och utföra säkra modelldistributioner.
-
Beräkning med automatisk skalning
Använd specialbyggda AI-superdatorer för att distribuera djupinlärningsträning och för att snabbt testa, validera och distribuera modeller. Dela CPU- och GPU-kluster på en arbetsyta och skala automatiskt för att uppfylla dina maskininlärningsbehov.
-
Samverkan med andra Azure-tjänster
Öka produktiviteten via inbyggd integrering med Microsoft Power BI och tjänster som Azure Synapse Analytics, Azure Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc, Azure Security Center och Azure Databricks.
-
Stöd för hybrid och flera moln
Kör maskininlärning på befintliga Kubernetes-kluster lokalt, i flera molnmiljöer och på gränsen med Azure Arc. Använd maskininlärningsagenten som distribueras med ett klick och börja träna modeller på ett säkrare sätt, oavsett var du har dina data.
-
Säkerhet i företagsklass
Bygg och distribuera modeller säkrare med funktioner för nätverksisolering och privata IP-funktioner från slutpunkt till slutpunkt, rollbaserad åtkomstkontroll för resurser och åtgärder, anpassade roller och hanterad identitet för beräkningsresurser.
-
Kostnadshantering
Minska IT-kostnaderna och hantera resurstilldelningar bättre för beräkningsinstanser med kvotgränser för arbetsyta och resursnivå och automatisk avstängning.
Omfattande inbyggda funktioner för säkerhet och efterlevnad
-
Microsoft investerar över 1 miljard USD varje år på forskning och utveckling av cybersäkerhet.
-
Vi sysselsätter fler än 3 500 säkerhetsexperter som arbetar helt och hållet med din datasäkerhet och sekretess.
-
Azure har fler certifieringar än någon annan molnleverantör. Se hela listan.
-
Betala endast för det du behöver utan några startkostnader
Kom igång med ett kostnadsfritt Azure-konto
1
Börja använda kostnadsfritt. Få 200 USD i kredit att använda inom 30 dagar. Så länge krediten gäller har du gratis tillgång till många av våra populära tjänster, samt obegränsad tillgång till fler än 55 andra tjänster som alltid är kostnadsfria.
2
När krediten upphör kan du fortsätta att använda tjänsterna genom användningsbaserad prissättning. Betala bara om du använder mer än de kostnadsfria månadsvolymerna.
3
Efter 12 månaderhar du fortsatt tillgång till fler än 55 tjänster som alltid är kostnadsfria – och du behöver bara betala för det du använder utöver de kostnadsfria månadsvolymerna.
Redigera nya modeller och lagra dina beräkningsmål, modeller, distributioner, mått och körningshistorik i molnet.
Använd automatiserad maskininlärning till att identifiera algoritmer och hyperparametrar, och spåra experiment i molnet. Redigera modeller med notebook-filer eller genom att dra och släppa.
Distribuera din maskininlärningsmodell till molnet eller gränsenheter, övervaka prestandan och träna upp modellen på nytt vid behov.
Kunder som använder Azure Machine Learning
"Vi gör det till vårt uppdrag att prova nya idéer och gå vidare för att skilja AXA UK från andra försäkringsbolag. Vi ser hanterade slutpunkter i Azure Machine Learning som en nyckelaktiverare för vår digitala vision."
Nic Bourven, Chief Information Officer, AXA UK
"Kunder förväntar sig snabb och korrekt information om sina paket och en databaserad leveransupplevelse. Vi hjälper FedEx att ligga i framkant med Azure Machine Learning och vi skapar expertis för framtida projekt."
Bikram Virk, produktchef, AI och Machine Learning, FedEx
"När fler av våra grupper förlitar sig på Azure Machine Learning-lösningen kan våra ekonomiexperter fokusera mer på uppgifter på högre nivå och ägna mindre tid åt manuell datainsamling och indata."
Jeff Neilson, Data Science Manager, 3M
i
"Med Azure Machine Learning kan vi visa patienten en riskpoäng som är mycket skräddarsydd för deras individuella omständigheter. ...I slutändan strävar vi efter att minska riskerna, minska osäkerhet och förbättra operationsresultaten."
Professor Mike Reed, Clinical Director, Trauma & Orthopedics, Northumbria Healthcare NHS Foundation Trust
1
"Vi har använt MLOps-funktionerna i Azure Machine Learning för att förenkla hela maskininlärningsprocessen. Det gör att vi kan fokusera mer på datavetenskap och låta Azure Machine Learning ta hand om driftsättning från slutpunkt till slutpunkt."
Michael Cleavinger, Senior Director of Shopper Insights Data Science and Advanced Analytics, PepsiCo
.
"Att använda automatiserade maskininlärningsfunktioner i Azure Machine Learning för att skapa maskininlärningsmodeller gör att vi kan skapa en miljö där vi kan skapa och experimentera med olika modeller ur flera perspektiv."
Keiichi Sawada, Corporate Transformation Division, Seven Bank
Azure Machine Learning-resurser
Avancerade självstudier
Träna och distribuera automatiserade maskininlärningsmodeller
Utforska MLOps-exempel i GitHub
Använd designerverktyget för förutsägelse
Tolka och förklara maskininlärningsmodeller
Tolka och förklara automatiserade maskininlärningsmodeller
Använda Python SDK för automatiserad maskininlärning
Använda användargränssnittet för automatiserad maskininlärning
Träna en tidsseriemodell automatiskt
Aktuella videor
Fördefinierade Docker-avbildningar för slutsatsdragning
Kör maskininlärning var som helst
Demokratisera AI med Machine Learning designer
Lär dig hur du blir en maskininlärningshjälte
Azure Machine Learning-studio notebooks
Hantera tillgångar, artefakter och kod
Lär dig mer om Azure Machine Learning-guide
Lär dig experttekniker för att skapa automatiserade och mycket skalbara kompletta maskininlärningsmodeller och pipelines i Azure med TensorFlow, Spark och Kubernetes.
White paper för Engineering MLOps
Upptäck en systematisk metod för att skapa, distribuera och övervaka maskininlärningslösningar med MLOps. Skapa, testa och hantera snabbt produktionsklara maskininlärningslivscykler i stor skala.
Forrester Total Economic ImpactTM (TEI) studie
Forrester Consulting Total Economic ImpactTM (TEI)-studien, beställd av Microsoft, undersöker den potentiella avkastningen på investeringar (ROI) som företag kan realisera med Azure Machine Learning.
White paper om Machine Learning-lösningar
Lär dig hur du skapar säkra, skalbara och rimliga lösningar.
White paper om Ansvarsfull AI
Läs mer om verktyg och metoder för att förstå, skydda och kontrollera dina modeller.
White paper om Maskininlärningsdrift (MLOps)
Påskynda processen för att skapa, träna och distribuera modeller i stor skala.
White paper om Azure Arc–aktiverad Machine Learning
Lär dig hur du skapar, tränar och distribuerar modeller i valfri infrastruktur.
Vanliga frågor och svar om Azure Machine Learning
-
Tjänsten är allmänt tillgänglig i flera länder/regioner och fler är på gång.
-
Serviceavtalet (SLA) för Azure Machine Learning garanterar 99,9 procents drifttid.
-
Azure Machine Learning-studio är toppnivåresursen för Machine Learning. Det är en central plats för dataforskare och utvecklare där de kan arbeta med alla artefakter och skapa, träna och distribuera maskininlärningsmodeller.