Azure Machine Learning

企業級機器學習服務,建置及部署模型更快速

加速整體的機器學習生命週期

提供開發人員和資料科學家各式各樣的生產經驗,讓建置、訓練及部署機器學習模型更加快速。採用領先業界的 MLOps (機器學習 DevOps) 加快產品上市的時間,以及促進團隊合作。在專為可靠 ML 而設計的安全信任平台上進行創新。

適用於所有技能的 ML

適合所有技能等級的生產力:利用內建的共同作業筆記本和單鍵式 Jupyter 體驗來進行編碼,以及使用具備拖放功能的設計工具或自動化機器學習來加速模型開發。

端對端 MLOps

強固的 MLOps 功能可與現有 DevOps 流程整合,協助管理整個 ML 生命週期。

最先進可靠的 ML

負責任的 ML 功能 - 透過可解釋性和公平性來理解模型、使用獨特的隱私權和機密計算來保護資料,以及使用稽核線索和資料表控制 ML 生命週期。

開放且可互通

開放原始碼架構和語言的頂級支援,包括 MLflow、Kubeflow、ONNX、PyTorch、TensorFlow、Python 及 R。

使用適用於所有技能的 ML 來提高生產力

使用不分技能等級,並符合您的需求的工具,快速建置及部署機器學習模型。利用 Jupyter 的體驗,只要按一下就能存取 Studio 中的內建筆記本。迅速在筆記本內開始計算,並輕鬆地切換計算與核心。使用筆記本中的 Intellisense 與程式碼編輯功能,並與您的小組共用和共同作業。使用無程式碼設計工具快速上手進行圖形化的機器學習,或利用自動化機器學習加快建立模型的速度,並利用內建的特徵工程、演算法選取及超參數整理,開發高精確度的模型。

利用 MLOps 大規模運作

MLOps (或稱適用於機器學習的 DevOps) 可簡化從建置模型到部署及管理的機器學習生命週期。使用 ML 管線建置可重複的工作流程,以及使用豐富的模型登錄來追蹤資產。使用進階警示與機器學習自動化功能,大規模管理生產工作流程。從雲端到邊緣,都能以企業等級剖析、驗證及部署機器學習模型來大規模管理生產 ML 工作流程。

建置可靠的 ML 解決方案

存取最先進可靠的 ML 功能,以了解如何保護及控制您的資料、模型和程序。說明模型在訓練和推斷期間的行為,並藉由偵測和緩和模型偏差建立公平的模型。使用差分隱私技術維持整個機器學習生命週期的資料隱私權,並使用機密運算保護 ML 資產。自動維護稽核線索、追蹤譜系,並使用模型資料表來實現權責劃分。

在開放及彈性的平台上進行創新

取得開放原始碼工具和架構的內建支援,以進行機器學習模型訓練和推斷。使用熟悉的架構 (例如 PyTorch、TensorFlow 和 scikit-learn) 或可以在內部運作的 ONNX 格式。選擇最符合您需求的開發工具,包括熱門的 IDE、Jupyter Notebooks 及 CLI (或 Python 和 R 等語言)。使用 ONNX Runtime 最佳化雲端和邊緣裝置的推斷,從而加快其速度。

進階安全性與治理

  • 使用 Azure 從頭取得安全性,並在信任的雲端上建置。
  • 使用細微的角色型存取、自訂角色和內建身分識別驗證機制,保護資源的存取權。
  • 藉由隔離您的網路與虛擬網路和私人連結,安全地建置、訓練和部署模型。
  • 透過原則、稽核線索、配額和成本管理來管理治理。
  • 透過跨越 60 項認證 (包括 FedRAMP High 和 DISA IL5) 的完整組合,簡化合規性。

關鍵服務功能

共同作業筆記本

具備單鍵式 Jupyter 體驗的內建筆記本。利用 IntelliSense、可輕鬆快速啟動的計算與核心切換,以及離線筆記本編輯,充分發揮生產力。

自動化 ML

快速建立準確的分類、迴歸和時間序列預測模型。使用模型可解釋性來了解模型如何建立。

拖放 ML

使用設計工具搭配模組來進行資料轉換、模型訓練評估,或只需按幾下即可建立及發佈 ML 管線。

資料標記

使用機器學習輔助標記,快速準備資料、管理及監視標記專案,並將反覆工作自動化。

MLOps

使用中央登錄來儲存和追蹤資料、模型和中繼資料。自動擷取譜系和治理資料。使用 Git 來追蹤工作,並使用 GitHub Actions 來實作工作流程。管理和監視執行,或比較訓練和測試的多個執行。

自動調整計算

使用受控計算來散發訓練,並快速測試、驗證和部署模型。您可以在工作區中共用 CPU 和 GPU 叢集,並自動調整以符合您的 ML 需求。

RStudio 整合

內建的 R 支援和 RStudio Server (開放原始碼版本) 整合,以建立和部署模型並監視執行。

與其他 Azure 服務的深度整合

透過與 Azure 服務 (例如 Azure Synapse Analytics、認知搜尋、Power BI、Azure Data Factory、Azure Data Lake 和 Azure Databricks) 的內建整合,提升生產力。

增強式學習

將增強式學習擴展成功能強大的計算叢集、支援多重代理程式案例,以及存取開放原始碼 RL 演算法、架構和環境。

可靠的 ML

使用可解釋性功能,取得訓練和推斷的模型透明度。透過差異計量來評估模型的公平性,並降低不公正之處。透過差分隱私來保護資料。

企業級安全性

使用網路隔離和 Private Link、資源和動作的角色型存取控制、自訂角色,以及計算資源的受控識別等功能,安全地建立和部署模型。

成本管理

利用工作區和資源層級配額限制,更有效地管理 Azure Machine Learning Compute 的資源配置。

用多少付多少,無需預付款

如需詳細資料,請參閱 Azure 機器學習定價頁面

如何使用 Azure Machine Learning

前往您的 Studio 網路體驗

建置和定型

部署及管理

步驟 1 之 1

您可以在雲端撰寫新模型,也能儲存您的計算目標、模型、部署、計量及執行歷程記錄。

步驟 1 之 1

使用自動化機器學習識別演算法與超參數,以及在雲端追蹤實驗。您也可以使用筆記本或拖放設計工具來撰寫模型。

步驟 1 之 1

將您的機器學習模型部署到雲端或邊緣、監視效能,並在必要時重新訓練。

立即開始使用 Azure Machine Learning

註冊 Azure 免費帳戶以立即存取並獲得 $200 的點數。

登入 Azure 入口網站

使用 Azure Machine Learning 的客戶

"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 BI 和分析主管
Carhartt

Scandinavian Airlines

藉由使用 Azure Machine Learning,SAS 能夠以手動方法所無法達成的熟練度,準確地識別詐騙。在回頭登記航班以取得 EuroBonus 里程數的情況下 (常見的詐騙來源),新系統預測詐騙的準確率達 99%。

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 全球分析資深資料科學家 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 合作夥伴暨諮詢資料、分析和 AI 領導者
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 執行長
TalentCloud

Azure Machine Learning 最新消息、部落格及公告

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 的服務等級協定 (SLA) 為 99.9%。
  • Azure Machine Learning Studio是機器學習服務的最上層資源。資料科學家和開發人員可以利用此處提供的所有成品,建置、訓練及部署機器學習模型。

當您一切就緒時,就能開始設定 Azure 免費帳戶