Trace Id is missing
Gå till huvudinnehåll
Azure

Maskininlärning för dataforskare

Utforska maskininlärningsverktyg för dataforskare och maskininlärningstekniker och lär dig skapa maskininlärningslösningar i molnet på Azure.

Upptäck maskininlärning i Azure

Skapa och distribuera maskininlärningsmodeller för verksamhetskritiska processer på ett ansvarsfullt sätt och på dina villkor med Azures verktyg och tjänster.

Utveckla maskininlärningsmodeller på dina villkor

Skapa maskininlärningsmodeller med det programmeringsspråk, den miljö och de maskininlärningsramverk som du föredrar med hjälp av valfria verktyg och distribuera dina modeller till molnet, lokalt eller vid gränsen med Azure AI.

Skapa maskininlärningslösningar på ett ansvarsfullt sätt

Förstå maskininlärningsmodeller, skydda data med differentiell sekretess och konfidentiell databehandling samt kontrollera maskininlärningslivscykeln med spårningsloggar och datablad.

Distribuera maskininlärningsmodeller för verksamhetskritiska processer med tillförsikt

Distribuera och hantera skalbara, feltoleranta och reproducerbara maskininlärningslösningar.

Se hur andra dataforskare använder Azure Machine Learning

Se hur organisationer använder Azure för sina verksamhetskritiska arbetsbelastningar.

Humana

Se hur Humana levererar AI-aktiverade verksamhetskritiska sjukvårdsupplevelser.

AGL

Lär dig hur AGL implementerade MLOps med Azure Machine Learning.

UCLA

Upptäck hur UCLA är banbrytande när det gäller att använda AI för att hjälpa sina läkare.

Tillbaka till flikar

Utforska maskininlärning via videor

Utforska hur du kan använda maskininlärningslösningar för att stödja verksamhetskritiska program.

Träna maskininlärningsmodeller i stor skala

Förstå hur du använder rätt beräkning på Azure för att skala träningsjobb.

Modelldistribution och -inferens

Lär dig mer om de olika distributionsalternativen och optimeringarna för storskalig modellinferens.

Så här fungerar MLOps

Lär dig mer om vikten av MLOps och de processer som är associerade med den.

Skydda dina maskininlärningsmiljöer

Se hur du använder Azure för att få åtkomst till säkerhet och styrning i företagsklass.

Maskininlärning i hybridmoln och flera moln

Se hur du etablerar maskininlärningsmiljöer för hybrider och flera moln.

Öppen och samverkande maskininlärning

Se hur Azure Machine Learning fungerar med tekniker med öppen källkod och integreras med andra Azure-tjänster.

Tillbaka till flikar

MLOps med Azure Machine Learning

Påskynda processen för att skapa, träna och distribuera maskininlärningsmodeller i stor skala.

Maskininlärningslösningar med säkerhet och skala i företagsklass

Lär dig hur du skapar säkra, skalbara och rättvisa maskininlärningslösningar med Azure Machine Learning.

Ansvarsfull AI med Azure Machine Learning

Utforska verktyg och metoder som hjälper dig att förstå, skydda och kontrollera dina maskininlärningsmodeller.

Lär dig mer genom exempel på lösningsarkitekturer

Utforska olika scenarier för användning av Azure Machine Learning.

Maskininlärning

Kontrollera modellträningsprocessen med justerbara parametrar som kallas hyperparametrar. Utforska rekommenderade metoder för att justera hyperparametrarna för Python-modeller och se hur du automatiserar justering av hyperparametrar och kör experiment parallellt för att effektivt optimera hyperparametrar.

Djupinlärning

Se hur du utför distribuerad träning av djupmaskininlärningsmodeller mellan kluster av GPU-aktiverade virtuella datorer. Det här scenariot är för bildklassificering, men lösningen kan generaliseras till andra djupinlärningsscenarier, till exempel segmentering eller objektidentifiering.

MLOps

Lär dig att implementera kontinuerlig integrering (CI) och kontinuerlig leverans (CD) samt träna om pipelinen för ett AI-program med hjälp av Azure DevOps och Azure Machine Learning. Lösningen bygger på scikit-learn-datamängden för diabetes men kan enkelt anpassas för alla AI-scenarier och andra populära byggsystem.

Gränsdistribution

Se hur du använder Azure Stack Edge för att utöka snabb slutsatsdragning med maskininlärning från molnet till lokala scenarier eller gränsscenarier. Använd Azure Stack Edge-enheter för att dra nytta av Azure-funktioner såsom beräkning, lagring, nätverksanslutningar och maskinvaruaccelererad maskininlärning för valfri gränsenhet.

Batchbedömning

Lär dig hur du använder Azure Machine Learning för att tillämpa överföring av neural stil, en djupinlärningsteknik som skapar en befintlig bild med stilen från en annan bild till en video.

Realtidsbedömning

Utforska hur du distribuerar Python-modeller som webbtjänster för att göra förutsägelser i realtid med Azure Kubernetes Service (AKS). Maskininlärningsmodeller som distribueras i AKS är lämpliga för storskaliga produktionsdistributioner.