Azure Machine Learning
Maskininlärningstjänst i företagsklass som bygger och distribuerar modeller snabbare
Snabbare livscykel för maskininlärning från slutpunkt till slutpunkt
Empower data scientists and developers with a wide range of productive experiences to build, train, and deploy machine learning models and foster team collaboration. Accelerate time to market with industry-leading MLOps—machine learning operations, or DevOps for machine learning. Innovate on a secure, trusted platform, designed for responsible machine learning.
Maskininlärning för alla färdighetsnivåer
Productivity for all skill levels, with Jupyter Notebooks, drag-and-drop designer, and automated machine learning
MLOps från slutpunkt till slutpunkt
Robust MLOps capabilities that enable creation and deployments of models at scale using automated and reproducible machine learning workflows
Ansvarsfull innovation inom maskininlärning
Rich set of built-in responsible capabilities to understand, protect, and control data, models, and processes
Öppen och kompatibel
Best-in-class support for open-source frameworks and languages including MLflow, Kubeflow, ONNX, PyTorch, TensorFlow, Python, and R
Boost productivity with machine learning for all skill levels
Skapa och distribuera maskininlärningsmodeller snabbt med verktyg som uppfyller dina behov oavsett kompetensnivå. Använd inbyggda Jupyter Notebooks med IntelliSense eller designern (dra och släpp). Påskynda modellskapandet med automatiserad maskininlärning och få åtkomst till kraftfull funktionsteknik, algoritmval och funktioner för rensning av hyperparametrar. Få ett mer effektiv teamarbete med delade datauppsättningar, notebook-filer, modeller och anpassningsbara instrumentpaneler som spårar alla aspekter av maskininlärningsprocessen.
Operationalisera i stor skala med MLOps
Take advantage of MLOps to streamline the machine learning lifecycle, from building models to deployment and management. Create reproducible workflows with machine learning pipelines, and train, validate, and deploy thousands of models at scale, from the cloud to the edge. Use managed online and batch endpoints to seamlessly deploy and score models without managing the underlying infrastructure. Use Azure DevOps or GitHub Actions to schedule, manage, and automate the machine learning pipelines, and use advanced data-drift analysis to improve model performance over time.
Skapa lösningar för ansvarsfull maskininlärning
Access state-of-the-art responsible machine learning capabilities to understand, control, and help protect your data, models, and processes. Explain model behavior during training and inferencing, and build for fairness by detecting and mitigating model bias. Preserve data privacy throughout the machine learning lifecycle with differential privacy techniques and use confidential computing to secure machine learning assets. Automatically maintain audit trails, track lineage, and use model datasheets to enable accountability.
Skapa på en öppen och flexibel plattform
Get built-in support for open-source tools and frameworks for machine learning model training and inferencing. Use familiar frameworks like PyTorch, TensorFlow, or scikit-learn, or the open and interoperable ONNX format. Choose the development tools that best meet your needs, including popular IDEs, Visual Studio Code, Jupyter Notebooks, and CLIs, or languages such as Python and R. Use ONNX Runtime to optimize and accelerate inferencing across cloud and edge devices. Track all aspects of your training experiments using MLflow.
Utveckla dina kunskaper i maskininlärning med Azure
Lär dig mer om maskininlärning på Azure och delta i praktiska självstudier i den här 30 dagar långa utbildningsresan. I slutet av utbildningsresan kommer du att vara förberedd för att klara Azure Data Scientist Associate-certifieringen.
Avancerad säkerhet, styrning och hybridinfrastruktur
- Träna modeller i din hybridinfrastruktur med hjälp av Kubernetes-kluster lokalt, i flera molnmiljöer och på gränsen med Azure Arc-samverkan.
- Få åtkomst till säkerhetsfunktioner som rollbaserad åtkomst, anpassade maskininlärningsroller, 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
Notebook-filer för samarbete
Maximize productivity with IntelliSense, easy compute and kernel switching, and offline notebook editing. Launch your notebook in Visual Studio Code for a rich development experience, including secure debugging and support for Git source control.
Automatiserad maskininlärning
Skapa snabbt exakta modeller för klassificering, regression och tidsserieprognoser. Använd tolkningsbarhet för modeller i syfte att förstå hur modellen skapades.
Dra och släpp-maskininlärning
Använd verktyg för maskininlärning som designern med moduler för dataomvandling samt modellträning och -utvärdering eller för att enkelt skapa och publicera maskininlärningspipelines.
Dataetikettering
Förbered data snabbt, hantera och övervaka etiketteringsprojekt och automatisera repetitiva uppgifter med hjälp av maskininlärningsassisterad etikettering.
MLOps
Use the central registry to store and track data, models, and metadata. Automatically capture lineage and governance data. Use Git to track work and GitHub Actions to implement workflows. Manage and monitor runs, or compare multiple runs for training and experimentation. Use managed endpoints to operationalize model deployment and scoring, log metrics, and perform safe model rollouts.
Beräkning med automatisk skalning
Använd hanterad beräkning för att distribuera träning för att snabbt testa, validera och distribuera modeller. Dela CPU- och GPU-kluster på en arbetsyta och skala automatiskt för att uppfylla dina maskininlärningsbehov.
Djup integrering med andra Azure-tjänster
Öka produktiviteten via inbyggd integrering med Microsoft Power BI- och Azure-tjänster som Azure Synapse Analytics, Cognitive Search, Azure Data Factory, Azure Data Lake, Azure Arc och Azure Databricks.
Stöd för hybrid och flera moln
Run machine learning on existing Kubernetes clusters on-premises, in multicloud environments, and at the edge with Azure Arc. Use the one-click machine learning agent to start training models more securely, wherever your data lives.
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 maskininlärning
Get model transparency at training and inferencing with interpretability capabilities. Assess model fairness through disparity metrics and mitigate unfairness. Help protect data with differential privacy and confidential machine learning pipelines.
Säkerhet i storföretagsklass
Bygg och distribuera modeller säkrare med funktioner för 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-beräkningsinstanser med kvotgränser för arbetsyta och resursnivå.
Betala endast för det du behöver utan några startkostnader
Lär dig mer om Azure Machine Learning
Lär dig att använda experttekniker för att skapa automatiserade och mycket skalbara kompletta maskininlärningsmodeller och pipelines i Azure med TensorFlow, Spark och Kubernetes.
Datavetenskapens principer
Många som arbetar med data har utvecklat kunskaper inom matematik, programmering eller domänexpertis, men för verklig datavetenskap krävs alla tre. Med den här omfattande e-boken kan du fylla i luckorna.
Forrester Wave-ledare 2020
Forrester utser Microsoft Azure Machine Learning till ledare i The Forrester Wave™ inom Notebook-baserad förutsägelseanalys och maskininlärning för kvartal 3 2020.
Använda Azure Machine Learning
Gå till din studiowebb
Skapa och träna
Distribuera och hantera
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.
Resurser
Självstudier för nybörjare
Avancerade självstudier
Ytterligare resurser
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.
Utforska dokumentation och självstudier och bläddra bland snabbstarter och utvecklarresurser.
Kunder som använder Azure Machine Learning
Jolie Vitale, Director of BI and Analytics, Carhartt"The model we deployed on Azure Machine Learning helped us choose three new retail locations. Those stores exceeded their revenue plans by over 200 percent [that] December, the height of our season, and within months of opening were among the best-performing stores in their districts."
Ignasi Paredes-Oliva, Lead Data Scientist, Nestlé Global Security Operations Center"MLOps is at the core of our product. Because of its reproducible ML pipelines, ... registered models, and automatic model scoring, we're definitely detecting things that we missed before. Which, in terms of risk management, is really, really important."
Joey Chua, Senior Manager Machine Learning Engineering, AGL"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."
Daniel Engberg, Head of Data Analytics and Artificial Intelligence, Scandinavian Airlines"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."
Michael Cleavinger, Senior Director of Shopper Insights Data Science and Advanced Analytics, PepsiCo"We've used the MLOps capabilities in Azure Machine Learning to simplify the whole machine learning process. That allows us to focus more on data science and let Azure Machine Learning take care of end-to-end operationalization."
Alex Mohelsky, Partner and Advisory Data, Analytic, and AI Leader, EY Canada"We see Azure Machine Learning and our partnership with Microsoft as critical to driving increased adoption and acceptance of AI from the regulators."
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 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.