Hoppa över navigering

Azure Machine Learning-tjänster

Skapa, träna och distribuera modeller från molnet till gränsenheterna

Tillkännagivande

  • TAL
  • Asos
  • Elastacloud
  • Wipro
  • Cognizant

Översikt

Förenkla och påskynda arbetet med att skapa, träna och distribuera dina maskininlärningsmodell. Använd automatiserad maskininlärning för att identifiera lämpliga algoritmer och justera hyperparametrar snabbare. Förbättra produktiviteten och minska kostnaderna med databearbetning med automatisk skalning och DevOps för maskininlärning. Distribuera sömlöst till molnet och gränsenheter med ett klick. Använd alla dessa funktioner via valfri Python-miljö och de senaste ramverken med öppen källkod, till exempel PyTorch, TensorFlow och scikit-learn.

Varför ska jag använda Azure Machine Learning-tjänsten?

Produktivt

Skapa och träna modeller snabbare med automatiserad maskininlärning, databearbetning i molnet med automatisk skalning och inbyggda DevOps.

Öppet

Använd Azure Machine Learning Service via valfri Python-miljö och med valfria ramverk och verktyg.

Betrott

Förbättra företagsberedskapen med Azure-säkerhet, efterlevnadsfunktioner och stöd för virtuellt nätverk.

Hybrid

Skapa, träna och distribuera dina modeller lokalt, i molnet och på gränsenheter.

Funktioner i Azure Machine Learning Service

Automatiserad maskininlärning

Identifiera passande algoritmer och hyperparametrar snabbare.

Hanterad databearbetning

Träna enkelt modeller och reducera kostnader genom att autoskala kraftfulla GPU-kluster.

DevOps för maskininlärning

Öka produktiviteten med experimentspårning, modellhantering och -övervakning, integrerad CI/CD och maskininlärningspipelines.

Enkel distribution

Distribuera modeller lokalt, i molnet och på gränsenheter med några få rader kod.

Verktygsoberoende Python SDK

Azure Machine Learning Service kan integreras med valfri Python-miljö, som Visual Studio Code, Jupyter notebooks och PyCharm.

Stöd för ramverk med öppen källkod

Använd valfria ramverk och verktyg för maskininlärning, till exempel PyTorch, TensorFlow och scikit-learn.

Så här använder du Azure Machine Learning-tjänsten

Steg 1 av 3

Steg 1: Skapa en arbetsyta

Installera ditt SDK i en Python-miljö och skapa en arbetsyta där du kan lagra beräkningsresurser, modeller, distributioner och köra historik i molnet.

Steg 2 av 3

Steg 2: Skapa och träna

Använd valfria ramverk och automatiserade maskininlärningsfunktioner för att snabbt identifiera lämpliga algoritmer och hyperparametrar. Spåra experiment och få åtkomst till kraftfulla GPU:er i molnet.

Steg 3 av 3

Steg 3: Distribuera och hantera

Distribuera till molnet eller gränsenheter och utnyttja maskinvaruaccelererade modeller på omprogrammerbara grindmatriser (FPGA) för supersnabba inferenser. När modellen tillämpas i produktionen ska du övervaka den för prestanda och dataändringar, och omtrimma den efter behov.

Relaterade produkter och tjänster

Azure Databricks

Snabb och enkel Apache Spark-baserad analysplattform med samarbetsfunktioner

Machine Learning Studio

Skapa, distribuera och hantera enkelt lösningar för förutsägelseanalys

SQL Data Warehouse

Elastiskt informationslager som en tjänst med funktioner i företagsklass

Datavetenskap – virtuella datorer

Detaljerad, förkonfigurerad miljö för AI-utveckling

Börja fatta bättre beslut med Azure Machine Learning-tjänsten