Büyük ölçekte iş açısından kritik özel makine öğrenmesi modelleri
Azure Machine Learning, veri bilimcilerinin ve geliştiricilerin yüksek kaliteli modelleri daha hızlı ve güvenle oluşturmasına, dağıtmasına ve yönetmesine olanak sağlar. Sektör lideri makine öğrenimi operasyonları (MLOps), açık kaynaklı birlikte çalışabilirlik ve bütünleşik araçlarla değer elde etme süresini hızlandırır. Bu güvenilir platform, makine öğrenmesindeki sorumlu AI uygulamaları için tasarlanmıştır.
Bütünleşik araçlar ve ölçeklenebilir amaca yönelik yapay zeka altyapısıdesteğiyle hızla model geliştirme ve eğitme.
Yerleşik eşitlik ve açıklanabilirlik ve uyumluluk için sorumlu kullanım ile sorumlu yapay zeka modeli geliştirme
Çalışma alanları arası işbirliği ve MLOps için hızlı ML modeli dağıtımı, yönetimi ve paylaşımı
Makine öğrenmesi iş yüklerini her yerde çalıştırabilmek için yerleşik yönetim, güvenlik ve uyumluluk
Uçtan uca makine öğrenmesi yaşam döngüsü desteği
Veri etiketleme
Eğitim verilerini etiketleyin ve etiketleme projelerini yönetin.
Veri hazırlama
Veri keşfi ve hazırlama için analiz altyapılarıyla kullanın.
Veri kümeleri
Verilere erişin, veri kümeleri oluşturun ve paylaşın.
Not defterleri
Ekli işlemle işbirliğine dayalı Jupyter not defterlerini kullanın.
Otomatik makine öğrenmesi
Doğru modelleri otomatik olarak eğitin ve ayarlayın.
Sürükle bırak tasarımcı
Sürükle bırak geliştirme arabirimiyle tasarlayın.
Denemeler
Denemeleri çalıştırın, özel panolar oluşturun ve paylaşın.
CLI ve Python SDK’sı
Azure İşlem’in ölçeğini artırıp ve genişletirken model eğitimi sürecini hızlandırın.
Visual Studio Code ve GitHub
Tanıdık araçları kullanın ve yerel eğitimden bulut eğitimine kolayca geçiş yapın.
İşlem örneği
Dinamik olarak ölçeklenebilir CPU'lar, GPU'lar ve süper bilgi işlem kümeleri ile yönetilen ve güvenli bir ortamda geliştirin.
Açık kaynak kitaplıklar ve çerçeveler
Scikit-learn, PyTorch, TensorFlow, Keras, Ray RLLib ve daha fazlası için yerleşik destek alın.
Yönetilen uç noktalar
Toplu ve gerçek zamanlı çıkarım için modelleri hızla ve kolay bir şekilde dağıtın.
İşlem hatları ve CI/CD
Makine öğrenmesi iş akışlarını otomatikleştirin.
Önceden oluşturulmuş görüntüler
Çıkarıma yönelik çerçeveler ve kitaplıklarla kapsayıcı görüntülerine erişin.
Model deposu
Modelleri ve verileri paylaşın ve izleyin.
Hibrit ve çoklu bulut
Modelleri şirket içinde ve çoklu bulut ortamlarında eğitin ve dağıtın.
Modelleri iyileştirme
ONNX Runtime ile eğitimi ve çıkarımı hızlandırarak maliyetleri düşürün.
İzleme ve analiz
Verileri, modelleri ve kaynakları izleyin, günlüğe kaydedin ve analiz edin.
Veri kayması
Kaymayı algılayın ve model doğruluğunu sürdürün.
Hata analizi
Modellerin hatalarını ayıklayın ve modelin doğruluğunu iyileştirin.
Denetim
Uyumluluk için makine öğrenmesi yapıtlarını izleyin.
İlkeler
Uyumluluk yönetimi için yerleşik ve özel ilkeler kullanın.
Güvenlik
Azure Güvenlik Merkezi ile sürekli izlemenin keyfini çıkarın.
Maliyet denetimi
Kota yönetimi ve otomatik kapatma uygulayın.
Derin Öğrenme için Azure Machine Learning
Yönetilen uçtan uca platform
Yerel MLOps özellikleriyle derin öğrenme yaşam döngüsünün tamamını ve modellerin yönetimini kolaylaştırın. Kurumsal düzeyde güvenlikle makine öğrenmesini her yerde güvenli bir şekilde çalıştırın. Sorumlu AI panosuyla model sapmalarını azaltın ve modelleri değerlendirin.
Tüm geliştirme araçları ve çerçeveleri
Visual Studio Code'dan Jupyter Nototebooks’a kadar sık kullandığınız IDE'lerle ve PyTorch ve TensorFlow ile seçtiğiniz çerçevede derin öğrenme modelleri oluşturun. Azure Machine Learning, eğitiminizi ve çıkarımınızı iyileştirmek için ONNX Runtime ve DeepSpeed ile tümleşir.
Birinci Sınıf Performans
En yeni NVIDIA GPU'ları ve Mellanox Networking’in sunduğu 200 GB/sn'ye kadar InfiniBand ara bağlantılarını birleştirmek için özel olarak tasarlanmış, amaca yönelik yapay zeka altyapısından yararlanın. Benzersiz bir ölçekle tek bir küme içinde binlerce GPU'ya kadar ölçeği artırın.
Hızlı model geliştirme ile değer elde etme süresini hızlandırın
Modelleri oluşturmak, eğitmek ve dağıtmak için tüm makine öğrenmesi görevlerini destekleyen bir geliştirme deneyimi olan stüdyo yeteneği ile üretkenliği artırın. Popüler açık kaynaklı çerçeveler ve kitaplıklar için yerleşik desteği kullanarak Jupyter Notebooks ile işbirliği yapın. Özellik mühendisliği ve hiper parametre süpürmeyi kullanarak tablosal modeller ile metin ve görüntü modellerine yönelik otomatik makine öğrenmesi sayesinde doğru modelleri hızla oluşturun. Yerelden bulut eğitimine sorunsuz bir şekilde geçmek için Visual Studio Code’u kullanın ve NVIDIA Quantum InfiniBand ağıyla güçlendirilen güçlü bulut tabanlı CPU ve GPU kümeleriyle otomatik ölçeklendirme yapın.
MLOps ile büyük ölçekte işlemselleştirme
MLOps kullanarak birden çok ortamda binlerce modelin dağıtımını ve yönetimini kolaylaştırın. Toplu ve gerçek zamanlı tahminler için tam olarak yönetilen uç noktalarla modelleri daha hızlı dağıtın ve puanlayın. Sürekli tümleştirme ve sürekli teslim (CI/CD) için iş akışlarını otomatikleştirmek amacıyla tekrarlanabilir işlem hatlarını kullanın. Kayıt defterlerini kullanarak çalışma alanları arası işbirliği için makine öğrenmesi yapıtlarını birden çok ekipte paylaşın ve keşfedin. Model performansı ölçümlerini sürekli olarak izleyin, veri kaymasını tespit edin ve model performansını iyileştirmek için yeniden eğitimi tetikleyin.
Sorumlu makine öğrenmesi çözümleri sunun
Model eşitliğini, açıklanabilirliği, hata analizini, nedensel analizi, model performansını ve keşifsel veri analizini değerlendirmeye yönelik tekrarlanabilir ve otomatikleştirilmiş iş akışlarıyla makine öğrenmesi modellerini değerlendirin. Sorumlu AI panosunda nedensel analizle gerçek müdahaleler yapın ve dağıtım zamanında bir karne oluşturun. Paydaşları dahil etmek ve uyumluluk incelemesini kolaylaştırmak için hem teknik hem de teknik olmayan hedef kitlelere yönelik sorumlu AI ölçümlerini bağlama yerleştirin.
Daha güvenli ve uyumlu bir hibrit platformda yenilik yapma
Kimlik, veriler, ağ, izleme ve uyumluluğu kapsayan kapsamlı yeteneklerle makine öğrenmesi yaşam döngüsü boyunca güvenliği artırın. Özel rol tabanlı erişim denetimi, sanal ağlar, veri şifreleme, özel uç noktalar ve özel IP adreslerini kullanarak çözümlerin güvenliğini sağlayın. Veri bağımsızlığı gereksinimlerini karşılamak için modelleri şirket içinde eğitin ve dağıtın. Yerleşik ilkelerle yönetin ve FedRAMP Yüksek ve HIPAA dahil 60 sertifikayla uyumluluğu kolaylaştırın.
Azure’la makine öğrenmesi yeteneklerinizi oluşturun
30 günlük öğrenim yolculuğuyla Azure’da makine öğrenmesi hakkında daha fazla bilgi edinin ve uygulamalı öğreticilere katılın. Tamamladığınızda, Azure Veri Bilimci Ortağı Sertifikasyonunu almaya hazır olacaksınız.
Tam makine öğrenmesi yaşam döngüsü için anahtar hizmet özellikleri
-
Veri etiketleme
Makine öğrenmesi destekli etiketleme sayesinde, etiketleme projelerini oluşturun, yönetin, izleyin ve yinelemeli görevleri otomatikleştirin.
-
Veri hazırlama
Azure Synapse Analytics ile birlikte çalışabilen, Azure Machine Learning içindeki Apache Spark kümelerinde büyük ölçekte veri hazırlamayı hızla yineleyin.
-
İşbirliğine dayalı not defterleri
IntelliSense, kolay işlem, çekirdek değiştirme ve çevrimdışı not defteri düzenleme ile üretkenliği en üst düzeye çıkarın. Güvenli hata ayıklama ve Git kaynak denetimi desteği dahil olmak üzere zengin bir geliştirme deneyimi için not defterinizi Visual Studio Code’da başlatın.
-
Otomatik makine öğrenmesi
Sınıflandırma, regresyon, zaman serisi tahmini, doğal dil işleme görevleri ve bilgisayar görüntüsü görevlerine yönelik modelleri hızla oluşturun. Modelin nasıl oluşturulduğunu anlamak için model yorumlanabilirliğini kullanın.
-
Sürükle bırak makine öğrenmesi
Veri dönüştürme, model eğitimi ve değerlendirme veya makine öğrenmesi işlem hatlarını kolayca oluşturup yayınlama için tasarımcı gibi makine öğrenmesi araçlarını kullanın.
-
Pekiştirmeye dayalı öğrenme
Pekiştirmeye dayalı öğrenmeyi güçlü işlem kümelerine göre ölçeklendirin, çok aracılı senaryoları destekleyin ve açık kaynaklı pekiştirmeli öğrenme algoritmalarına, çerçevelere ve ortamlara erişin.
-
Sorumlu oluşturma
Yorumlanabilirlik özellikleriyle eğitim ve çıkarımda model şeffaflığı edinin. Fark ölçümleri aracılığıyla model eşitliğini değerlendirin ve eşitsizliği azaltın. Hata analizi araç seti ile model güvenilirliğini artırın ve model hatalarını tanımlayıp tanılayın. Değişiklik gizliliği ile verilerin korunmasına yardımcı olun.
-
Deneme
Çalıştırmaları yönetip izleyin veya eğitim ve deneme için birden çok çalıştırmayı karşılaştırın. Özel panolar oluşturun ve bunları ekibinizle paylaşın.
-
Kayıt defterleri
Modelleri, işlem hatlarını, bileşenleri ve veri kümelerini birden çok çalışma alanında depolamak ve paylaşmak için organizasyon çapındaki depoları kullanın. Denetim günlüğü özelliğini kullanarak veri kökenini ve idare verilerini otomatik olarak yakalayın.
-
Git ve GitHub
Makine öğrenmesi iş akışlarını uygulamak üzere iş ve GitHub Actions desteğini izlemek için Git tümleştirmesini kullanın.
-
Yönetilen uç noktalar
Model dağıtımını ve puanlamayı işlemselleştirmek, ölçümleri günlüğe kaydetmek ve güvenli model dağıtımları gerçekleştirmek için yönetilen uç noktaları kullanın.
-
İşlemi otomatik ölçeklendirme
Derin öğrenme eğitimlerini dağıtmak ve modelleri hızla test etmek, doğrulamak ve dağıtmak için amaca yönelik yapay zeka süper bilgisayarlarını kullanın. CPU ve GPU kümelerini bir çalışma alanında paylaşın ve makine öğrenmesi ihtiyaçlarınızı karşılayacak şekilde otomatik olarak ölçeklendirin.
-
Diğer Azure hizmetleriyle birlikte çalışabilirlik
Microsoft Power BI’ın yanı sıra Azure Synapse Analytics, Azure Bilişsel Arama, Azure Data Factory, Azure Data Lake, Azure Arc, Azure Güvenlik Merkezi ve Azure Databricks gibi hizmetlerle üretkenliği hızlandırın.
-
Hibrit ve çoklu bulut desteği
Azure Arc ile şirket içindeki, çoklu bulut ortamlarındaki ve uç cihazlardaki mevcut Kubernetes kümelerinde makine öğrenmesini çalıştırın. Verileriniz nerede olursa olsun, modelleri daha güvenli bir şekilde eğitmeye başlamak için basit makine öğrenmesi aracısını kullanın.
-
Kurumsal düzeyde güvenlik
Ağ yalıtımı, uçtan uca özel IP yetenekleri, kaynaklar ve eylemlere yönelik rol tabanlı erişim denetimi, özel roller ve işlem kaynakları için yönetilen kimlik sayesinde modelleri daha güvenli bir şekilde oluşturun ve dağıtın.
-
Maliyet yönetimi
Çalışma alanı ve kaynak düzeyinde kota sınırları ve otomatik kapatma ile BT maliyetlerini düşürün ve işlem örnekleri için kaynak ayırmayı daha iyi yönetin.
Kapsamlı güvenlik ve uyumluluk, yerleşik
-
Microsoft, siber güvenlik araştırma ve geliştirme çalışmalarına her yıl USD1 milyar aşan yatırımlar yapıyor.
-
Yalnızca veri güvenliği ve gizliliği için çalışan 3.500 güvenlik uzmanımız bulunuyor.
-
Azure, diğer tüm bulut sağlayıcılarından daha fazla sertifikaya sahiptir. Kapsamlı listeyi görüntüleyin.
-
Ön maliyet olmadan yalnızca ihtiyacınıza göre ödeme yapın
Ücretsiz Azure hesabını kullanmaya başlayın
1
2
Krediniz sona erdiğinde aynı ücretsiz hizmetlerle oluşturmaya devam etmek için kullandıkça öde yöntemine geçin. Yalnızca ücretsiz aylık tutarlarınızdan daha fazlasını kullanırsanız ödeme yapın.
3
Yeni modeller yazıp işlem hedeflerinizi, modellerinizi, dağıtımlarınızı, ölçümlerinizi depolayın ve geçmişleri bulutta çalıştırın.
Algoritmaları ve hiper parametreleri belirleyip buluttaki denemeleri izlemek için otomatik makine öğrenmesini kullanın. Not defterlerini veya sürükle bırak tasarımcıyı kullanarak modeller yazın.
Makine öğrenmesi modelinizi buluta veya uç cihazlara dağıtın, performansı izleyin ve gerektiğinde tekrar eğitin.
Azure Machine Learning kullanan müşteriler
"Yeni fikirler denemeyi ve AXA Birleşik Krallık’ı diğer sigortacılardan ayırmanın ötesine geçmeyi misyonumuz haline getirdik. Azure Machine Learning’deki yönetilen uç noktaları dijital tutkumuz için önemli bir etkinleştirici olarak görüyoruz."
Nic Bourven, Bilişim Kurulu Başkanı, AXA Birleşik Krallık
"Müşteriler, paketleri ve veri tabanlı teslim deneyimi hakkında zamanında ve doğru bilgiler bekler. Azure Machine Learning’le FedEx'in lider konumda kalmasına yardım ediyoruz ve gelecek projeler için uzmanlık oluşturuyoruz."
Bikram Virk, Ürün Müdürü, AI ve Makine Öğrenmesi, FedEx
"Gruplarımızın daha çoğu Azure Machine Learning çözümüne güvendikçe, finans uzmanlarımız daha üst düzey görevlere daha fazla odaklanabiliyor el ile veri toplama ve girişe daha az zaman harcıyor."
Jeff Neilson, Veri Bilimi Yöneticisi, 3M
i
"Azure Machine Learning’le hastaya yüksek oranda kendi bireysel durumuna uyarlanmış bir risk puanı gösterebiliyoruz. …Sonuç olarak riski ve belirsizliği azaltmayı, tıbbi sonuçları iyileştirmeyi hedefliyoruz."
Prof. Mike Reed, Klinik Direktörü, Travma & Ortopedisi, Northumbria Healthcare NHS Foundation Trust
1
"Azure Machine Learning’deki MLOps yeteneklerini tüm makine öğrenmesi işlemini basitleştirmek için kullandık. Bu, veri bilimine daha fazla odaklanmamızı ve Azure Machine Learning’in, uçtan uca işlemselleştirmeyi halletmesini sağlıyor."
Michael Cleavinger, Alıcı İçgörüleri Veri Bilimi ve Gelişmiş Analiz Kıdemli Yöneticisi, PepsiCo
.
"Makine öğrenmesi modeli oluşturmak için Azure Machine Learning’in otomatik makine öğrenmesi özelliklerini kullanmak, birden çok perspektiften çeşitli modeller oluşturabilen ve bunları deneyebilen bir ortam oluşturmamızı sağladı."
Keiichi Sawada, Kurumsal Dönüşüm Bölümü, Seven Bank
Azure Machine Learning kaynakları
Başlangıç öğreticileri
Gelişmiş öğreticiler
Otomatik makine öğrenmesi modellerini eğitme ve dağıtma
GitHub’da MLOps örneklerini keşfetme
Tahmin için tasarımcı aracını kullanma
Makine öğrenmesi modellerini yorumlama ve açıklama
Otomatik makine öğrenmesi modellerini yorumlama ve açıklama
Otomatik makine öğrenmesi için Python SDK’sını kullanma
Otomatik makine öğrenmesi arabirimini kullanma
Zaman serisi modelini otomatik olarak eğitme
Öne çıkan videolar
Çıkarım için önceden oluşturulmuş Docker Görüntüleri
Azure üzerinde PyTorch Enterprise
Makine Öğrenmesini her yerde çalıştırma
Azure Machine Learning tasarımcısıyla yapay zekayı demokratikleştirme
Makine öğrenmesi kahramanı olma hakkında bilgi edinin
Azure Machine Learning stüdyosu not defterleri
Varlıklarınızı, yapıtlarınızı ve kodlarınızı yönetme
Azure Machine Learning’de Uzmanlaşma kılavuzu
TensorFlow, Spark ve Kubernetes kullanarak Azure’da otomatik ve yüksek oranda ölçeklenebilir uçtan uça makine öğrenmesi modelleri ve işlem hatları oluşturmaya yönelik uzman tekniklerini öğrenin.
Mühendislik makine öğrenimi operasyonları teknik incelemesi
MLOps ile makine öğrenmesi çözümleri oluşturmaya, dağıtmaya ve izlemeye yönelik sistematik bir yaklaşımı keşfedin. Büyük ölçekte üretime hazır makine öğrenmesi işlem hatlarını hızla oluşturun, test edin ve yönetin.
Forrester Toplam Ekonomik Etki™ çalışması
Microsoft tarafından yaptırılan Forrester Consulting Toplam Ekonomik Etki™ (TEI) çalışması, işletmelerin Azure Machine Learning’i kullanarak gerçekleştirebilecekleri potansiyel yatırım getirisini (ROI) inceler.
Machine Learning çözümleri teknik incelemesi
Güvenli, ölçeklenebilir ve adil çözümler oluşturma hakkında bilgi edinin.
Sorumlu AI teknik incelemesi
Modellerinizi anlamaya, korumaya ve denetlemeye yönelik araçlar ve yöntemler hakkında okuyun.
Makine öğrenmesi işlemleri (MLOps) teknik incelemesi
Büyük ölçekte modelleri oluşturma, eğitme ve dağıtma sürecini hızlandırın.
Azure Arc özellikli Machine Learning teknik incelemesi
Herhangi bir altyapıda model oluşturma, eğitme ve dağıtma hakkında bilgi edinin.
Azure Machine Learning hakkında sık sorulan sorular
-
Hizmet, çeşitli ülkelerde/bölgelerde genel kullanıma sunulmakta ve daha fazla ülke/bölge eklenecek.
-
Azure Machine Learning için hizmet düzeyi sözleşmesi (SLA) çalışma süresi %99,9’dur.
-
Azure Machine Learning stüdyosu, Makine Öğrenmesi için en üst düzey kaynaktır. Bu özellik, veri mühendislerinin ve geliştiricilerin makine öğrenmesi modellerini oluşturmak, eğitmek ve dağıtmak için tüm yapıtlarla tek bir merkezi konumdan çalışabilmesini sağlar.