Azure Machine Learning

Maskininlärningstjänst i företagsklass som bygger och distribuerar modeller snabbare

Snabbare livscykel för maskininlärning från slutpunkt till slutpunkt

Gör jobbet enklare för utvecklare och dataforskare med ett brett urval av produktiva funktioner för att skapa, träna och distribuera maskininlärningsmodeller snabbare. Få ut produkter och tjänster på marknaden snabbare, samt främja teamsamarbete med branschledande MLOps–DevOps för maskininlärning. Använd en säker och betrodd plattform som är utformad för ansvarsfull ML.

ML för alla färdigheter

Produktivitet oavsett kunskapsnivå – koda med inbyggda samarbetsvänliga notebook-filer och en enklicksupplevelse i Jupyter, använd ”dra och släpp”-designern eller automatiserad maskininlärning för snabbare modellutveckling.

MLOps från slutpunkt till slutpunkt

Robusta MLOps-funktioner som integreras med befintliga DevOps-processer och hjälper till med att hantera hela ML-livscykeln.

Avancerad ansvarsfull ML

Funktioner för ansvarsfull ML – förstå modeller med tolkningsbarhet och rättvisa, skydda data med differentiell sekretess och konfidentiell databehandling samt kontrollera ML-livscykeln med spårningsloggar och datablad.

Öppen och kompatibel

Förstklassig support för ramverk med öppen källkod och språk, bland annat MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python och R.

Öka produktiviteten med ML för alla färdigheter

Skapa och distribuera maskininlärningsmodeller snabbt med verktyg som uppfyller dina behov oavsett kompetensnivå. Få tillgång till inbyggda notebook-filer i Studio med en enklicksupplevelse i Jupyter. Skapa snabbt beräkning i notebook-filer och växla enkelt beräkning och kernel. Använd IntelliSense- och kodredigeringsfunktioner i notebook-filer och dela och samarbeta med ditt team. Använd designern utan kod för att komma igång med visuell maskininlärning eller snabba upp modellutvecklingen med automatiserad maskininlärning och dra nytta av inbyggd funktionalisering, algoritmval och rensning av hyperparametrar för att skapa modeller med hög precision.

Operationalisera i stor skala med MLOps

MLOps, eller DevOps för maskininlärning, effektiviserar maskininlärningens livscykel från skapandet av modeller till distribution och hantering. Använd ML-pipelines till att skapa upprepningsbara arbetsflöden och använd ett djupgående modellregister för att spåra dina tillgångar. Hantera produktionsarbetsflöden i stor skala med avancerade aviseringar och maskininlärningsautomatisering. Profilera, validera och distribuera maskininlärningsmodeller från valfri plats, från molnet till gränsenheter, och hantera produktionsarbetsflöden för ML i stor skala som är företagsförberedda.

Skapa ansvarsfulla ML-lösningar

Åtkomst till avancerad ansvarsfulla ML-funktioner för att förstå, skydda och kontrollera dina data, modeller och processer. Förklara modellens beteende under utbildning och slutsatsdragning och utveckla för rättvisa genom att identifiera och minska modellbias. Bevara datasekretess i hela livscykeln för maskininlärning med differentiella sekretesstekniker och använd konfidentiell databehandling för att skydda ML-tillgångar. Hantera automatiskt spårningsloggar, spåra ursprung och använd modelldatablad för att möjliggöra ansvar.

Skapa på en öppen och flexibel plattform

Få inbyggt stöd för verktyg och ramverk med öppen källkod vid träning av maskininlärningsmodeller och slutsatsdragningar. Använd välbekanta ramverk som PyTorch, TensorFlow och scikit-learn, eller det öppna och interoperabla ONNX-formatet. Välj de utvecklingsverktyg som bäst passar dina behov, inklusive populära IDE:er, Jupyter Notebook och CLI:er – eller språk som Python och R. Använd ONNX Runtime till att optimera och påskynda slutsatsdragningar i moln och på gränsenheter.

Avancerad säkerhet och styrning

  • Få säkerhet från grunden och utveckla det betrodda molnet med Azure.
  • Skydda åtkomsten till dina resurser med detaljerad rollbaserad åtkomst, anpassade roller och inbyggda mekanismer för identitetsautentisering.
  • Skapa, träna och distribuera modeller på ett säkert sätt genom att isolera nätverket med virtuella nätverk och privata länkar.
  • Hantera styrning med principer, granska utvärderingar, kvot- och kostnadshantering.
  • Effektivisera kompatibiliteten med en omfattande portfölj som sträcker sig över 60 certifieringar, inklusive FedRAMP High och DISA IL5.

Viktig tjänstfunktioner

Samarbetsbaserade notebook-filer

Inbyggda notebook-filer med en enklicksupplevelse i Jupyter. Maximera produktiviteten med IntelliSense, enkel beräkningsgenerering och kernelväxling samt offlineredigering av notebook-filer.

Automatisk ML

Skapa snabbt exakta modeller för klassificering, regression och tidsserieprognoser. Använd tolkningsbarhet för modeller i syfte att förstå hur modellen skapades.

Dra och släpp-ML

Använd designern med moduler för dataomvandling samt modellträning och -utvärdering eller för att skapa och publicera ML-pipelines med några få klick.

Dataetikettering

Förbered data snabbt, hantera och övervaka etiketteringsprojekt och automatisera repetitiva uppgifter med hjälp av maskininlärningsassisterad etikettering.

MLOps

Använd det centrala registret för att lagra och spåra data, modeller och metadata. Samla automatiskt in ursprungs- och styrningsdata. Använd Git till att spåra arbete och GitHub Actions till att implementera arbetsflöden. Hantera och övervaka körningar eller jämför flera körningar för träning och experimentering.

Beräkning med automatisk skalning

Använd hanterad beräkning för att distribuera träning och snabbt testa, validera och distribuera modeller. CPU- och GPU-kluster kan delas på en arbetsyta och automatiskt skalas för att uppfylla dina ML-behov.

RStudio-integrering

Inbyggt R-stöd och RStudio Server-integrering (Open Source-utgåvan) för skapande och distribution av modeller och övervakning av körningar.

Djup integrering med andra Azure-tjänster

Öka produktiviteten via inbyggd integrering med Azure-tjänster som Azure Synapse Analytics, Cognitive Search, Power BI, Azure Data Factory, Azure Data Lake och Azure Databricks.

Kunskapsförmedling

Skala förstärkningsträning till kraftfulla beräkningskluster, ge stöd för scenarier med flera agenter och få åtkomst till RL-algoritmer med öppen källkod, ramverk och miljöer.

Ansvarsfull ML

Få modelltransparens vid träning och slutsatsdragning med funktioner för tolkningsbarhet. Utvärdera modellrättvisa via diskrepansmått och minska orättvisa. Skydda data med differentiell sekretess.

Säkerhet i företagsklass

Bygg och distribuera modeller säkert med funktioner som nätverksisolering och Private Link, rollbaserad åtkomstkontroll för resurser och åtgärder, anpassade roller och hanterad identitet för beräkningsresurser.

Kostnadshantering

Hantera resurstilldelningar bättre för Azure Machine Learning Compute med kvotgränser för arbetsyta och resursnivå.

Betala endast för det du behöver utan några startkostnader

Mer information finns på prissättningssidan för Azure Machine Learning.

Använda Azure Machine Learning

Gå till din studiowebb

Skapa och träna

Distribuera och hantera

Steg 1 av 1

Du kan redigera nya modeller och lagra dina beräkningsmål, modeller, distributioner, mått och körningshistorik i molnet.

Steg 1 av 1

Använd automatiserad maskininlärning till att identifiera algoritmer och hyperparametrar, och spåra experiment i molnet. Du kan också redigera modeller med notebook-filer eller genom att dra och släppa.

Steg 1 av 1

Distribuera din maskininlärningsmodell till molnet eller gränsenheter, övervaka prestandan och träna upp modellen på nytt vid behov.

Börja använda Azure Machine Learning i dag

Få direktåtkomst och en kredit på $200 genom att registrera dig för ett kostnadsfritt Azure-konto.

Logga in på Azure-portalen.

Kunder som använder Azure Machine Learning

"The model we deployed on Azure Machine Learning helped us choose the three new retail locations we opened in 2019. Those stores exceeded their revenue plans by over 200 percent in December, the height of our season, and within months of opening were among the best-performing stores in their districts."

Jolie Vitale: Director of BI and Analytics på Carhartt
Carhartt

Scandinavian Airlines

Med hjälp av Azure Machine Learning identifierar SAS korrekt bedrägerier med en noggrannhet som inte var möjlig med manuella metoder. Vid retroaktiv registrering av en flygning för EuroBonus-miles – en vanlig källa till bedrägerier – förutsäger det nya systemet bedrägerier med 99 procents noggrannhet.

Scandinavian Airlines

"If I have 200 models to train—I can just do this all at once. It can be farmed out to a huge compute cluster, and it can be done in minutes. So I'm not waiting for days."

Dean Riddlesden, Senior Data Scientist, Global Analytics, Walgreens Boots Alliance
Walgreens Boots Alliance

"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."

Alex Mohelsky: Partner and Advisory Data, Analytic, and AI Leader på EY Canada
EY

"The automated machine learning capabilities in Azure Machine Learning save our data scientists from doing a lot of time-consuming work, which reduces our time to build models from several weeks to a few hours."

Xiaodong Wang: Chief Executive Officer på TalentCloud
TalentCloud

Uppdateringar, bloggar och meddelanden om Azure Machine Learning

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 är 99,9 procent.
  • Azure Machine Learning-studion är tjänstens toppnivåresurs för maskininlärning. Den är en central plats för dataforskare och utvecklare där de kan arbeta med alla artefakter och skapa, träna och distribuera maskininlärningsmodeller.

Vi är klara när du är det – låt oss konfigurera ditt kostnadsfria Azure-konto