Bygg 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 AI-utbildningsplattformen är utformad för ansvarsfulla AI-program inom maskininlärning.
Få snabbare tid till värde
Skapa maskininlärningsmodeller med kraftfulla AI-infrastruktur och dirigera AI-arbetsflöden med promptflöde.
Samarbeta och effektivisera MLOps
Snabb distribution, hantering och delning av ML-modeller för samarbete mellan arbetsytor och MLOps.
Utveckla med tillförsikt
Inbyggd styrning, säkerhet och efterlevnad för maskininlärningsarbetsbelastningar var som helst.
Designa på ett ansvarsfullt sätt
Ansvarsfull AI för att skapa förklarande modeller med hjälp av datadrivna beslut för transparens och ansvarstagande.
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 exakta AI-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 maskininlärningsverktyg och växla enkelt från lokal utbildning till molnutbildning.
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 AI-inlärningsmodeller 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 maskininlärningsmodeller och data.
Hybrid och flera moln
Träna och distribuera modeller lokalt och i miljöer med flera moln.
Optimerade modeller
Påskynda träning och slutsatsdragning och sänk kostnaderna med ONNX Runtime.
Register
Dela och upptäck modeller och pipelines mellan team i din organisation.
Övervakning och analys
Spåra, logga och analysera data, modeller och resurser.
Dataavvikelse
Identifiera avvikelse och upprätthålla modellprecision.
Felanalys
Felsök modeller och optimera AI-modellens noggrannhet.
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 generativ AI
Orkestrering av AI-arbetsflöden
Förenkla design, utvärdering och distribution av stora språkmodellbaserade program med promptflöde. Spåra, återskapa, visualisera och förbättra enkelt uppmaningar och flöden i en mängd olika verktyg och resurser, läs mer om Generative AI i Machine Learning.
Hanterad plattform från slutpunkt till slutpunkt
Effektivisera hela livscykeln för stora språkmodeller och modellhantering med inbyggda MLOps funktioner. Kör maskininlärning säkert var som helst med säkerhet i företagsklass. Minimera modellförskjutningar och utvärdera modeller med instrumentpanelen ansvarsfull AI.
Flexibla verktyg och ramverk
Skapa djupinlärningsmodeller i verktyg som Visual Studio Code och Jupyter Notebooks med flexibla ramverk som PyTorch eller TensorFlow. Azure Machine Learning kompatibel med ONNX Runtime och DeepSpeed för att optimera träning och slutsatsdragning.
Prestanda i världsklass
Använd specialbyggdaAI-infrastruktur utformad för att kombinera de senaste NVIDIA GPU:erna och InfiniBand-nätverkslösningarna på upp till 400 Gbit/s. Skala upp till tusentals GPU:er i ett enda kluster med oöverträffad skala.
Öka tiden till värde med snabb modellutveckling
Förbättra produktiviteten med en enhetlig studioupplevelse. Skapa, träna och distribuera modeller med Jupyter Notebooks med inbyggt stöd för ramverk och bibliotek med öppen källkod. Skapa snabbt modeller med automatiserad maskininlärning för tabell-, text- och bilddata. Använd Visual Studio Code för att sömlöst gå från lokal utbildning till molnutbildning och autoskalning med Azure AI infrastruktur som drivs av NVIDIA Quantum-2 InfiniBand-plattformen. Utforma, jämför, utvärdera och distribuera dina frågor för stora språkmodellbaserade program med promptflöde.
Samarbeta och effektivisera modellhanteringen med MLOps
Effektivisera distributionen och hanteringen av tusentals modeller i flera miljöer med hjälp av MLOps. Distribuera och poängsätt ML-modeller snabbare med fullständigt hanterade slutpunkter för batch- och realtidsförutsägelser. Använd repeterbara pipelines för att automatisera arbetsflöden för kontinuerlig integrering och kontinuerlig leverans (CI/CD). Dela och upptäck maskininlärningsartefakter i flera team för samarbete mellan arbetsytor med hjälp av register och hanterad funktionslagring. Övervaka prestandamått för modellen kontinuerligt, identifiera dataavdrift och utlösa omträning för att förbättra modellens prestanda.
Skapa lösningar i företagsklass på en hybridplattform
Sätt säkerheten först i maskininlärningslivscykeln med hjälp av den inbyggda datastyrningen i Microsoft Purview. Dra nytta av de omfattande säkerhetsfunktionerna för identitet, data, nätverk, övervakning och efterlevnad, som alla har testats och verifierats av Microsoft. Säkrare lösningar med anpassad rollbaserad åtkomstkontroll, virtuella nätverk, datakryptering, privata slutpunkter och privata IP-adresser. Träna och distribuera modeller var som helst, från lokalt till flera moln, för att uppfylla kraven på datasuveränitet. Styr tryggt med hjälp av inbyggda principer och efterlevnad med 60 certifieringar, inklusive FedRAMP High och HIPAA.
Använd ansvarsfulla AI-metoder under hela livscykeln
Utvärdera maskininlärningsmodell med reproducerbara och automatiserade arbetsflöden för att göra en utvärdering av modellens rättvisa, förklaringsmöjlighet, felanalys, orsaksanalys, modellprestanda och undersökande dataanalys. Gör verkliga åtgärder med kausal analys på instrumentpanelen för Ansvarsfull AI och generera ett styrkort vid distributionen. Kontextualisera ansvarsfulla AI-mått för både tekniska och icke-tekniska målgrupper för att involvera intressenter och effektivisera efterlevnadsgranskningen.
Utveckla dina kunskaper i maskininlärning med Azure
Lär dig mer om maskininlärning på Azure och delta i praktiska självstudier en 30 dagar lång utbildningsresa. I slutet kommer du att vara förberedd att ta Azure Data Scientist Associate-certifieringen.
Viktiga tjänstfunktioner för hela maskininlärningslivscykeln
-
Förberedelse av data
Iterera snabbt vid dataförberedelse i stor skala på Apache Spark kluster i Azure Machine Learning, samverkande med Azure Databricks.
-
Funktionsarkiv
Öka flexibiliteten i leveransen av dina modeller genom att göra funktioner identifierbara och återanvändbara på flera arbetsytor med hanterade funktionsarkivet.
-
Notebook-filer för samarbete
Starta anteckningsboken i Jupyter Notebook eller Visual Studio Code för en omfattande utvecklingsupplevelse, inklusive 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 med automatiserad maskininlärning.
-
Dra och släpp-maskininlärning
Använd maskininlärningsverktyg som designer för datatransformering, modellträning och utvärdering, eller för att enkelt skapa och publicera maskininlärningspipelines.
-
Ansvarsfull AI
Skapa ansvarsfulla AI-lösningar med tolkningsfunktioner. Utvärdera modellrättvisa via diskrepansmått och minska orättvisa.
-
Register
Använd hela organisationens lagringsplatser för att lagra och dela modeller, pipelines, komponenter och datauppsättningar på flera arbetsytor. Samla in ursprungsdata och styr data med hjälp av spårningsfunktionen.
-
Hanterade slutpunkter
Använd hanterade slutpunkter för att operationalisera modelldistribution och bedömning, logga mått och utföra säkra modelldistributioner.
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.
-
Betala endast för det du behöver utan några startkostnader
Kom igång med ett kostnadsfritt Azure-konto
1
2
När krediten upphör kan du fortsätta att använda tjänsterna genom användningsbaserad prissättning. Betala bara om du använder mer än de kostnadsfria månadsvolymerna.
3
Azure Machine Learning-resurser
Självstudier för nybörjare
Avancerade självstudier
- Träna maskininlärningsmodeller
- Hyperparameterjustering av en modell
- Maskininlärningspipelines med Python SDK
- Träna klassificeringsmodeller utan kod
- Träna regressionsmodeller utan kod med designern
- Övervaka och analysera jobb i studio
- Modellhantering, distribution och övervakning
- Skapa och använda maskininlärningslösningar
- Maskininlärningsåtgärder från slutpunkt till slutpunkt
- Träna beräkningsintensiva modeller
IDC MarketScape: MLOps 2022-leverantörsutvärdering
Lär dig hur företag i olika branscher använder MLOps för att lösa utmaningarna med att implementera AI- och maskininlärningstekniker.
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 Impact-studie
Forrester Consulting Total Economic Impact TM-studien, beställd av Microsoft, undersöker den potentiella avkastningen på investeringar som företag kan realisera med Azure Machine Learning.
White paper om Machine Learning-lösningar
Lär dig hur du skapar säkrare, skalbara och rättvist balanserade maskininlärningslösningar.
White paper om Ansvarsfull AI
Lär dig hur du skapar säkrare, skalbara och rättvist balanserade maskininlärningslösningar.
MLOps-white paper
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.
-
ServiceavtalServiceavtalet serviceavtal för Azure Machine Learning är 99,9 procent 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.