Azure 机器学习

为端到端机器学习生命周期使用企业级 AI 服务。

免费试用机器学习已经是 Azure 客户？ Azure 机器学习入门

大规模生成业务关键型机器学习模型

Azure 机器学习使数据科学家和开发人员能够更快、更自信地构建、部署和管理高质量模型。它通过行业领先的机器学习操作 (MLOps)、开源互操作性和集成工具加速价值。此受信任的平台专为机器学习中的负责任 AI 应用程序而设计。

加快价值实现速度

使用灵活、强大的 AI 基础结构支持的熟悉框架进行快速、自定义的模型开发。

协作并简化 MLOps

用于跨工作区协作和 MLOps 的快速 ML 模型部署、管理和共享。

信心十足地开发

用于在任何位置运行机器学习工作负载的内置治理、安全性和符合性。

负责任地设计

负责任 AI 使用数据驱动的决策来构建可解释的模型，以实现透明度和责任。

观看网络研讨会“凭借 Analytics + AI 揭示预测见解”

端到端机器学习生命周期的支持

准备数据生成和训练模型验证和部署管理和监视

数据标签

标记训练数据并管理标记项目。

数据准备

与分析引擎一起使用，用于数据浏览和准备。

数据集

访问数据并创建和共享数据集。

Azure 机器学习深度学习

托管端到端平台

使用本机MLOps功能简化整个深度学习生命周期和模型管理。借助企业级安全性，安全地在任意位置运行机器学习。使用负责任的 AI 仪表板缓解模型偏差并评估模型。

任何开发工具和框架

在所选的框架中使用PyTorch 和 TensorFlow，通过首选的集成开发环境 (IDE)，从 Visual Studio Code 到 Jupyter Notebook 构建深度学习模型。Azure 机器学习与 ONNX Runtime和 DeepSpeed 进行互操作，以优化训练和推理。

世界一流性能

使用专门构建的 AI 基础结构将最新的 NVIDIA GPU 和最高可达 400 Gbps 的 InfiniBand 网络解决方案组合在一起。在具有前所未有的规模的单个群集中纵向扩展到数千个 GPU。

通过快速模型开发加快价值实现

使用支持机器学习任务的统一工作室体验提高工作效率。使用对常用开源框架和库的内置支持，使用 Jupyter Notebook 生成、训练和部署模型。通过自动化机器学习快速为表格、文本和图像模型创建准确的模型。使用 Visual Studio Code 无缝地从本地到云训练，并通过 NVIDIA Quantum-2 InfiniBand 平台提供支持的Azure AI 基础结构进行自动缩放。

使用 MLOps 协作并简化模型管理

使用 MLOps 简化多个环境中数千个模型的部署和管理。使用完全托管的终结点为批处理和实时预测更快地部署和评分模型。使用可重复管道自动执行工作流以实现持续集成和持续交付 (CI/CD)。跨多个团队共享和发现机器学习项目，以便使用注册表和托管功能存储进行跨工作区协作。持续监视模型性能指标、检测数据偏移并触发重新训练以提高模型性能。

在混合平台上构建企业级解决方案

使用 Microsoft Purview 中的内置数据治理，在机器学习生命周期中将安全性放在第一位。利用涵盖标识、数据、网络、监视和合规性的全面安全功能，这些功能均由 Microsoft 测试和验证。使用自定义基于角色的访问控制、虚拟网络、数据加密、专用终结点和专用 IP 地址保护解决方案。在任何位置（从本地到多云）训练和部署模型，以满足数据主权要求。使用内置策略和 60 项认证（包括 FedRAMP High 和 HIPAA）合规性自信地进行治理。