Trace Id is missing
跳至主要內容

Azure Machine Learning

為端對端機器學習生命週期使用企業級 AI 服務。

大規模地建置業務關鍵性的機器學習模型

Azure Machine Learning 協助資料科學家和開發人員,更快速且自信地建置、部署和管理高品質模型。利用領先業界的機器學習作業 (MLOps)、開放原始碼互通性和整合式工具,它可加快實現價值的時間。此信賴  AI 學習平台專為機器學習中的負責任 AI 應用程式設計。

Video container

加快實現價值的時間

運用強大的  AI 基礎結構 建置機器學習模型,並運用 提示流程協調 AI 工作流程。

共同作業並簡化 MLOps

針對跨工作區共同作業和 MLOps 的快速 ML 模型部署、管理和共用。

放心開發

內建控管、安全性與合規性,可隨處執行機器學習工作負載。

負責的設計

負責任 AI 會使用資料導向決策來建置可解釋的模型,以獲得透明度與責任。

觀看網路研討會:使用分析 + AI 發掘預測性深入解析

端對端機器學習生命週期的支援

資料標記

標記定型資料和管理標記專案。

資料準備

與分析引擎搭配使用,進行資料探索和準備。

資料集

存取資料,以及建立和共用資料集。

回到索引標籤

Azure Machine Learning 生成式 AI

AI 工作流程協調

使用提示流程簡化大型語言模型應用程式的設計、評估和部署。 輕鬆追蹤、重現、視覺化,並改善各種工具和資源的提示和流程,深入了解 Machine Learning 生成式 AI

受控端對端平台

使用原生 MLOps 功能簡化整個大型語言模型生命週期和管理模型。使用企業級安全性,隨時隨地安全地執行機器學習。使用負責任 AI 儀表板,減少模型偏差並評估模型。

彈性的工具和架構

使用彈性架構 (例如 PyTorch 或 TensorFlow),在 Visual Studio Code 和 Jupyter Notebooks 等工具中建立深度學習模型。Azure Machine Learning 與 ONNX RuntimeDeepSpeed 相容,以最佳化定型和推斷。

世界級的效能

使用專為設計來結合最新 NVIDIA GPU 和 InfiniBand 網路解決方案 (最高 400 Gbps) 的 AI 基礎結構。以前所未有的規模,在單一叢集中向上擴充至數千個 GPU。

使用快速模型開發,加速實現價值的時間

使用統一的工作室體驗提高生產力。使用開放原始碼架構與程式庫的內建支援,運用 Jupyter Notebook 建置、定型和部署模型。針對表格式、文字和影像資料使用自動化機器學習,快速建立模型。使用 Visual Studio Code,順暢地從本機定型切換至雲端定型,並使用 NVIDIA Quantum-2 InfiniBand 平台提供的 Azure AI 基礎結構自動調整規模。以提示流程設計、比較、評估及部署大型語言模型型應用程式的提示。

使用 MLOps 共同作業並簡化模型管理

使用 MLOps 簡化在多個環境中數千個模型的部署和管理。 使用完全受控的端點更快地部署 ML 模型並加以評分,以取得批次和即時預測。使用可重複的管線,以將持續整合與持續傳遞 (CI/CD) 的工作流程自動化。跨多個小組共用和探索機器學習成品,以使用登錄和受控功能存放區跨工作區共同作業。持續監視模型效能計量、偵測資料漂移,以及觸發重新定型,以改善模型效能。

在混合式平台上建置企業級解決方案

使用 Microsoft Purview 中的內建資料控管,在整個機器學習生命週期實踐安全性優先。運用經過 Microsoft 測試及驗證、涵蓋身分識別、資料、網路、監視和合規性的全方位安全性功能。使用自訂的角色型存取控制、虛擬網路、資料加密、私人端點和私人 IP 位址,來保護解決方案。隨時隨地定型和部署模型 (從內部部署到多雲端),以符合資料主權的要求。使用內建原則和具有 60 項認證 (包括 FedRAMP High 和 HIPAA) 的合規性自信地控管。

在整個生命週期使用負責任 AI 做法

使用可重現和自動化的工作流程評估機器學習模型,以評估模型公平性、解釋性、錯誤分析、原因分析、模型效能及探勘資料分析。使用負責任 AI 儀表板中的原因分析進行現實生活中的操作,並在部署時產生計分卡。將用於技術和非技術對象的負責任 AI 計量情境化,讓專案關係人參與並簡化合規性審查。

利用 Azure 打造您的機器學習技能

在此 30 天學習旅程中,深入了解 Azure 上的機器學習,並參與實作教學課程。最後,您就有能力考取 Azure Data Scientist Associate 認證。

在會議室中使用膝上型電腦的人

完整機器學習生命週期的重要服務功能

  • 共同作業筆記本

    在 Jupyter Notebook 或 Visual Studio Code 中啟動筆記本,享受豐富的開發體驗,包括偵錯和支援 Git 原始檔控制。

  • 自動化機器學習

    使用自動化機器學習,快速建立用於分類、迴歸、時間序列預測、自然語言處理工作及電腦視覺工作等準確的模型。

  • 拖放式機器學習

    利用設計工具等機器學習工具,進行資料轉換、模型定型和評估,或輕鬆建立及發佈機器學習管線。

  • 負責任 AI

    使用可解譯性功能來建置負責任 AI 解決方案。透過差異計量來評估模型的公平性,並緩解不公平性。

  • 登錄

    使用 全組織存放庫 ,跨多個工作區儲存和共用模型、管線、元件和資料集。使用稽核線索功能來擷取譜系和控管資料。

  • 受控端點

    使用受控端點來操作模型部署和評分、記錄計量,以及執行安全模型推出。

內建全方位安全性與合規性

透過 Azure 免費帳戶開始使用

1

開始免費使用 200 美元 的點數供您在 30 天內使用。當您獲得點數的同時,也能獲得多項熱門服務的免費用量,再加上超過 55 項永久免費服務的免費用量。

2

在點數用盡後,請轉為隨用隨付以繼續利用相同的免費服務進行建置。只有當您使用超過每月免費數量時,才需支付費用。

3

在 12 個月後,您將繼續獲得超過 55 項永久免費的服務,只要支付超過每月免費數量的使用量即可。

了解客戶如何使用 Azure Machine Learning 來運用 AI 創新

「PyTorch 和 Azure Machine Learning 是我們研究小組目標的最佳搭配,可節省時間來創造顛覆性的創新。」

Orlando Ribas Fernandes

Fashable 共同創辦人暨執行長

「我們的小組通常會測試 [資料]、取得結果,然後使用它來開發模型和演算法,然後建置成軟體產品。此平台讓整個程序更簡單、更快速且更精簡。」

Mogens Mikkelsen

SEGES Innovation 企業架構設計師

「由於我們有更多群組依賴 Azure Machine Learning 解決方案,我們的財務專家便可以更專注於較高層級的工作,並耗費較少時間在手動資料收集和輸入上。」

Jeff Neilson

3M 資料科學經理

作業中的焊接工

i

「運用 Azure Machine Learning,我們可以向病患展示針對其個人情況高度量身訂做的風險分數。…我們的最終目標是降低風險、降低不確定性,並改善外科成果。」

Mike Reed 教授

Northumbria Healthcare NHS Foundation Trust 創傷暨骨科臨床主任

與病患談話的醫療專業人員

1

「能夠擴大和縮減計算資源對於創新速度與成本效益非常重要... Azure Machine Learning 及其內建的機器學習作業功能使得要實現靈活度與成本效益變得簡單。」

Kate Puech

Axon 的 AI 工程經理

.

「使用 Azure Machine Learning 的自動化機器學習功能來建立機器學習模型,可讓我們實現一個環境,在其中我們可以從多個角度建立和實驗各種模型。」

Keiichi Sawada

Seven Bank 公司轉型部門

Seven Bank 位置
返回索引標籤

IDC MarketScape:MLOps 2022 廠商評估

了解各個產業的企業組織如何使用 MLOps 來克服實作 AI 和機器學習技術的挑戰。

Engineering MLOps 白皮書

探索使用 MLOps 建置、部署和監視機器學習解決方案的系統化方法。大規模快速建置、測試及管理生產就緒的機器學習生命週期。

Forrester Total Economic Impact 研究

由 Microsoft 委託進行的 Forrester Consulting Total Economic ImpactTM 研究,調查了企業可能使用 Azure Machine Learning 獲得的潛在投資報酬率。

機器學習解決方案白皮書

了解如何建置更安全、可縮放且合理的機器學習解決方案。

負責任 AI 白皮書

了解如何建置更安全、可縮放且合理的機器學習解決方案。

MLOps 白皮書

加快大規模建置、定型和部署機器學習模型流程的速度。

已啟用 Azure Arc 的 Machine Learning 白皮書

了解如何在任何基礎結構中建置、定型和部署模型。

Azure Machine Learning 的常見問題集

  • 這個服務已在數個國家/地區 正式運作 ,日後還會陸續增加。

  • Azure Machine Learning 的 SLA 為 99.9% 的運作時間。

  • Azure Machine Learning 工作室是機器學習的最上層資源。此功能會提供一個集中的位置,讓資料科學家和開發人員利用此處的所有成品,建置、訓練及部署機器學習模型。

隨時就緒 - 開始設定您的 Azure 免費帳戶

免費試用 Azure Machine Learning