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。

使用程式碼先行 (code-first) 與拖放功能設計工具及自動化機器學習,提升所有技能等級的產能

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

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。

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

提高產能及存取所有技能等級皆可使用的 ML

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。以無程式碼設計工具開始著手,或使用內建的 Jupyter Notebooks 採行程式碼先行的路徑。利用自動化機器學習 UI 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。

利用強固的 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。套用原則、使用譜系及控管資源,以符合法規標準。

在開放及彈性的平台上進行創新

取得開放原始碼工具與架構的內建支援,進行機器學習模型訓練及推斷。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。

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

"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

閱讀案例

Walgreens Boots Alliance

"With Azure Machine Learning, we can focus our testing on the most accurate models and avoid testing a large range of less valuable models. That saves months of time."

Schneider Electric 分析應用程式架構設計師及資料科學家 Matthieu Boujonnier

閱讀案例

Schneider Electric

"A key part of our transformation has been to embrace the cloud and the digital solutions and services that come with it. This includes a deep dive into AI and machine learning."

BP 架構與規劃 IT 策略副總裁 Diana Kennedy

閱讀案例

BP

"By unifying our tech stack and bringing our engineers in Big Data and online software together with data scientists, we got our development time down from months to just a few weeks."

ASOS 首席軟體工程師 (AI) Naeem Khedarun

閱讀案例

Asos

"The [Large Hadron Collider in Europe] pushes technology on many fronts...and produces data rates that are the largest in the world. We are an example of how to do analysis of large datasets."

物理學助理教授 Phil Harris MIT

閱讀案例

Fermilab

Borrowell 運用 AI 協助改善消費者的信用

Borrowell 的創新 AI 技術利用信用分數提供建議,藉此改善其加拿大客戶的信用與財務狀況。

閱讀案例

Borrowell

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