Azure 机器学习

企业级机器学习服务,可用于更快地构建和部署模型

加速端到端机器学习生命周期

Azure 机器学习服务向开发人员和数据科学家提供丰富的高效工作体验,帮助他们更快地生成、训练和部署机器学习模型。借助行业领先的 MLOps(用于机器学习的 DevOps)缩短上市时间并促进团队协作。在受信任的安全平台(专为负责任的机器学习设计)上进行创新。

适合所有技能水平的机器学习

具备代码优先和拖放设计器,以及自动化机器学习,可提升所有技能水平的使用者的生产力。

端到端 MLOps

可靠的 MLOps 功能,可与现有 DevOps 流程集成,并帮助管理整个机器学习生命周期。

最先进的负责任的机器学习

负责任的机器学习功能 - 了解模型的可解释性和公平性、运用差别隐私和机密计算来保护数据,并通过试查和数据表来控制机器学习生命周期。

开放且可交互

一流的开放源代码框架和语言支持,包括 MLflow、Kubeflow、ONNX、PyTorch、TensorFlow、Python 和 R。

利用适合所有技能水平的机器学习提高生产力

使用满足各种技能水平需求的工具,快速构建并部署机器学习模型。使用无代码设计器开始视觉机器学习,或使用内置的协作 Jupyter Notebook 以获得代码优先的体验。使用自动化机器学习加速模型创建,并访问内置特征工程、算法选择和超参数扫描来开发高度精确的模型。

使用 MLOps 执行大规模操作

MLOps(或称为“用于机器学习的 DevOps”)可简化从模型构建到部署和管理的机器学习生命周期。使用机器学习管道构建可重复的工作流,并使用丰富的模型注册表来跟踪资产。使用高级警报和机器学习自动化功能大规模地管理生产工作流。分析、验证和部署从云到边缘的任何位置的机器学习模型,从而以企业就绪的方式大规模管理生产机器学习工作流。

构建负责任的机器学习解决方案

访问最先进的负责任的机器学习功能,理解、保护和控制你的数据、模型和流程。解释训练和推断过程中的模型行为,并通过检测和缓解模型偏见来建立公平性。使用不同的隐私技术在机器学习生命周期中保护数据隐私,并使用机密计算保护机器学习资产。自动维护审核线索、跟踪数据世系并使用模型数据表来实现问责制。

在灵活的开放平台上创新

获得对开放源代码工具和框架的内置支持,用于机器学习模型训练和推理。使用熟悉的框架,例如 PyTorch、TensorFlow 和 scikit-learn,或可互操作的开放 ONNX 格式。选择最能满足需求的开发工具(包括常用的 IDE、Jupyter Notebook 和 CLI)或语言(如 Python 和 R)。使用 ONNX 运行时可优化和加速跨云和边缘设备的推理。

高级安全和治理

  • 利用 Azure 获取端到端安全性并在可信云的基础之上进行构建。
  • 使用基于角色的细粒度访问、自定义角色和用于标识身份验证的内置机制来保护资源。
  • 通过使用虚拟网络和专用链接隔离网络,更安全地构建、训练和部署模型。
  • 使用策略、审核线索、配额和成本管理来管理治理。
  • 通过 60 项认证(包括 FedRAMP High 和 DISA IL5)的综合产品组合,优化合规性。

主要服务功能

协作式笔记本

使用 IntelliSense、轻松计算和内核切换以及脱机笔记本编辑功能,最大限度地提高工作效率。

自动执行机器学习

快速创建用于分类、回归和时序预测的准确模型。使用模型可解释性来了解构建模型的方式。

拖放式机器学习

使用机器学习工具(如设计器)和模块进行数据转换、模型训练和评估,或者轻松地创建和发布机器学习管道。

数据标签

快速准备数据、管理和监视标记项目,并借助机器学习辅助标记自动执行迭代任务。

MLOps

使用中心注册表来存储和跟踪数据、模型和元数据。自动捕获数据世系并调控数据。使用 Git 来跟踪工作和 GitHub Actions 以实现工作流。管理和监视运行,或比较多个运行以进行训练和试验。

自动缩放计算

使用托管计算来分发训练并快速测试、验证和部署模型。在工作区内共享 CPU 和 GPU 群集并自动缩放,以满足机器学习需求。

RStudio 支持

使用内置的 R 支持和 RStudio Server(开放源代码版本)构建和部署模型并监控运行。

与其他 Azure 服务深度集成

借助与 Microsoft Power BI 和 Azure 服务(例如 Azure Synapse Analytics、Azure 认知搜索、Azure 数据工厂、Azure Data Lake 和 Azure Databricks)的内置集成来提高工作效率。

强化学习

将强化学习扩展到强大的计算群集,支持多代理方案并访问开源强化学习算法、框架以及环境。

负责任的机器学习

借助可解释性功能在训练和推理时获取模型透明度。通过差异指标评估模型公平性并减少不公平性。通过差分隐私技术保护数据。

企业级安全

使用网络隔离和专用链接功能、资源和操作基于角色的访问控制、自定义角色以及计算资源的托管标识,更安全地构建和部署模型。

成本管理

使用工作区和资源级别配额限制,更好地管理 Azure 机器学习计算实例的资源分配。

仅对所需资源付费,无前期成本

See Azure Machine Learning pricing

掌握 Azure 机器学习

掌握使用 TensorFlow、Spark 和 Kubernetes 在 Azure 中生成高度可缩放的自动化端到端机器学习模型和管道的专家技术。

Packt:数据科学原理

许多从事数据工作的人已具备了数学、编程或域专业知识方面的技能,但对于严格意义上的数据科学而言,这三方面的技能缺一不可。这一综合性的电子书有助于填补这些空白。

Forrester Wave Leader 2020

Forrester 在“The Forrester Wave™:基于笔记本的预测分析和机器学习,2020 年第 3 季度”中将 Microsoft 和 Azure 机器学习评为“领导者”。

如何使用 Azure 机器学习

进入工作室 Web 体验

构建和定型

部署和管理

步骤 1(共 1 步)

创作新模型,并将计算目标、模型、部署、指标和运行历史记录存储在云中。

步骤 1(共 1 步)

使用自动化机器学习功能识别算法和超参数,并在云中跟踪试验。使用笔记本或拖放设计器来创作模型。

步骤 1(共 1 步)

将机器学习模型部署到云端或边缘,监视性能并根据需要重新训练。

立即开始使用 Azure 机器学习

通过注册 Azure 免费帐户获得即时访问权限和 $200 额度。

登录 Azure 门户

客户使用 Azure 机器学习

"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,Carhartt 公司的 BI 和分析主管
Carhartt

通过使用 Azure 机器学习,Scandinavian Airlines (SAS) 能够准确熟练地识别欺诈行为,这是人工操作无法实现的。对于追加登记航班以获取 EuroBonus 里程(一种常见的欺诈行为)的情况,新系统能以 99% 的准确度预测欺诈行为。

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."

Walgreens Boots Alliance 全球分析高级数据科学家 Dean Riddlesden
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,EY Canada 合作伙伴兼顾问、数据分析与 AI 负责人
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,TalentCloud 的 CEO
TalentCloud

Azure 机器学习更新、博客和公告

有关 Azure 机器学习的常见问题

  • 该服务已在一些国家/地区正式发布,即将在其他国家/地区正式发布。
  • Azure 机器学习的服务级别协议 (SLA) 级别为 99.9%。
  • Azure 机器学习工作室是机器学习服务的顶级资源。它为数据科学家和开发者提供了一个集中的地方,可在此使用所有项目来构建、训练和部署机器学习模型。

你随时可以开始设置 Azure 免费帐户