自動化機器學習

快速並大規模地自動建置機器學習模型

輕鬆建置高準確度的機器學習模型

讓專業和非專業資料科學家都能夠快速建置機器學習模型。使用突破性研究將耗時和反覆的模型開發工作自動化,並縮短上市時間。

使用無程式碼 UI 或使用 SDK,自動建置和部署預測模型

快速建立針對您資料自訂並透過各種演算法和超參數改進的準確模型

使用深度神經網路,透過輕鬆的資料探索和智慧特徵工程,來提高生產力

使用模型可解譯性建置負責任的 AI 解決方案,並微調您的模型以改進準確性

使用熱門的時間序列模型和深度學習,準確地預測未來的業務成果

以您的方式建置模型

使用自動化機器學習的無程式碼 UI 或 SDK,加快模型建立速度。快速自訂您的模型,並將控制設定套用到反覆項目、閾值、驗證、封鎖的演算法和其他實驗準則。使用內建功能進行常見的機器學習工作 (例如分類、迴歸和時間序列預測),來處理大型資料集並改進模型分數。

控制模型建立程序

自動化機器學習會從各種演算法和超參數中智慧選取,以協助建置高準確度的模型。透過護欄來探索資料中的常見錯誤和不一致,以及更了解並自動套用建議的動作。使用智慧停止來節省計算時間,並排定主要計量的優先順序來加快結果產生速度。

利用自動特徵工程來提高生產力

使用內建功能進行常見的機器學習工作,例如分類、迴歸和時間序列預測 (包括深度神經網路支援) 來處理大型資料集並改進模型分數。利用自動化功能選取和新的功能產生功能來節省時間,並建置高準確度的模型。自動化 ML 現在包含提供 100 種語言文字資料特徵化的 BERT 深度學習架構,可透過 UI 和筆記本取得。

更了解模型

實驗執行摘要的內建支援和詳細的計量視覺效果可協助您了解模型與比較模型效能。模型可解譯性有助於評估適用於原始和工程化功能的模型,並提供功能重要性的見解。探索模式、執行假設分析,並更深入了解模型以支援您企業中的透明度與信任。

支援各種機器學習工作

取得基本機器學習應用 (例如分類、迴歸和時間序列預測) 的支援,包括用於設定每個工作的特殊內建特徵器。 使用分類技術進行監督式學習,常見的應用包括詐騙偵測、手寫辨識等。建立迴歸模型來預測數值,例如價格預測。或者,使用時間序列預測來建立考慮趨勢和季節性的模型。評估各種熱門的時間序列模型 (包括 ARIMA 和 Prophet),以及其他深度學習模型。

當您一切就緒時,就能開始設定 Azure 免費帳戶