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

為資料科學家與開發人員提供廣泛的生產力體驗,使他們能夠建置、訓練及部署機器學習模型,並促進共同作業。利用領先業界的 MLOps - DevOps 進行機器學習服務以加速上市時間。在安全、值得信賴、專為可靠機器學習而設計的平台上創新。

各種技能等級皆適用的機器學習

使用 Jupyter 筆記本與拖放功能設計工具自動化機器學習,提升所有技能等級的生產力。

端對端 MLOps

強固的 MLOps 功能,能以自動化且可重現的機器學習工作流程大規模地建立與部署模型。

可靠的機器學習創新

Rich set of built-in responsible capabilities to understand, protect, and control data, models and processes.

開放且互通

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。

透過各種技能皆可用的機器學習來提高生產力

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。搭配內建的 Jupyter 筆記本使用 IntelliSense 或拖放功能設計工具。利用自動化機器學習加快建立模型的速度,並存取強大的特徵工程、演算法選取及超參數整理功能。利用共用資料集、筆記本、模型,以及能追蹤機器學習程序所有層面的可自訂儀表板,提升小組效率。

利用 MLOps 大規模運作

利用 MLOps 簡化從建置模型到部署及管理的機器學習生命週期。利用機器學習管線建立可重現的工作流程,並在雲端或邊緣大規模訓練、驗證及部屬數千個模型。使用 Azure DevOps 或 GitHub Actions 為機器學習管線進行排程、管理及自動化,並利用先進的資料漂移分析持續改進模型效能。

建置可靠的機器學習解決方案

存取最先進可靠的機器學習功能,以了解如何保護及控制您的資料、模型和流程。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來建立公平性。使用差分隱私技術維護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機器學習資產。自動保存稽核線索、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) 或開放且互通的 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。使用 MLfLow 追蹤訓練實驗的所有層面。

Build your machine learning skills with Azure

Learn more about machine learning on Azure and participate in hands-on tutorials with this 30-day learning journey. At the end of this learning journey, you'll be prepared to take the Azure Data Scientist Associate Certification.

進階安全性、治理及混合式基礎結構

  • 搭配與 Azure Arc 的互通性,使用內部部署的 Kubernetes 叢集、跨多重雲端環境及邊緣,在您的混合式基礎結構上訓練模型。
  • 存取安全性功能,例如角色型存取、自訂機器學習角色、虛擬網路和私人連結。透過原則、稽核線索、配額和成本管理來管理治理方式。
  • 透過涵蓋 60 項認證 (包括 FedRAMP High 和 DISA IL5) 的完整組合,簡化達成合規性的過程。

關鍵服務功能

共同作業筆記本

使用 IntelliSense、簡單的計算與核心切換,以及離線筆記本編輯,發揮最大生產力。

自動化機器學習

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。

拖放機器學習

使用設計工具等機器學習工具搭配模組來進行資料轉換、模型訓練及評估,或輕鬆地建立並發佈機器學習管線。

資料標記

使用機器學習輔助的標記功能,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,並快速地測試、驗證和部署模型。在工作區中共用 CPU 和 GPU 叢集,並自動調整以符合您的機器學習需求。

與其他 Azure 服務的深度整合

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

混合式與多重雲端支援

使用 Azure Arc,在內部部署的現有 Kubernetes 叢集、多重雲端和邊緣執行機器學習。按一下就能部署 ML 代理程式,不論您的資料位於何處,都能安全地開始訓練模型。

增強式學習

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

可靠的機器學習

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。利用差異隱私權與機密機器學習管線保護資料。

企業級安全性

使用網路隔離和私人連結功能、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,安全地建置並部署模型。

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 計算執行個體的資源配置。

用多少付多少,無需預付款

請參閱 Azure Machine Learning 定價

精通 Azure Machine Learning

掌握專業技術,以使用 TensorFlow、Spark 與 Kubernetes,在 Azure 中建置自動化、調整彈性大的全端機器學習模型和管線。

資料科學的原則

許多處理資料的人才已發展出數學、程式設計或領域專業中的一或兩項技能,但三項技能兼具者才適合涉足資料科學。這份完整的電子書有助於填補差距。

2020 年的 Forrester Wave 領導者

Forrester 在 Forrester Wave™:Notebook-based Predictive Analytics and Machine Learning, Q3 2020 (以筆記本為基礎的預測性分析和機器學習,2020 年第 3 季) 中,將 Microsoft 和 Azure Machine Learning 列為領導者。

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

在雲端撰寫新模型,並儲存您的計算目標、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。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."

Carhartt 的 BI 與 Analytics 主管 Jolie Vitale
Carhartt

"MLOps is at the core of our product. Because of its reproducible ML pipelines, ... registered models, and automatic model scoring, we're definitely detecting things that we missed before. Which, in terms of risk management, is really, really important."

Nestlé Global Security Operations Center 首席資料科學家 Ignasi Paredes-Oliva
Nestle Italia

"Azure Machine Learning allows us to manage the entire lifecycle, from experimentation and development to production and enhancements."

AGL 機器學習工程資深經理 Joey Chua
AGL

"With model interpretability in Azure Machine Learning, we have a high degree of confidence that our machine learning model is generating meaningful and fair results."

Scandinavian Airlines 資料分析與人工智慧主管 Daniel Engberg
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."

EY Canada 合作夥伴暨諮詢資料、分析和 AI 主管 Alex Mohelsky
EY

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% 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。

當您一切就緒時,就能開始設定 Azure 免費帳戶