Creación de modelos de aprendizaje automático críticos para la empresa a escala
Azure Machine Learning permite a los científicos de datos y desarrolladores crear, implementar y administrar modelos de alta calidad con más rapidez y confianza.
Acelera el tiempo de valor con las principales operaciones de aprendizaje automático (MLOps), la interoperabilidad de código abierto y las herramientas integradas.
Esta plataforma de aprendizaje con IA de confianza está diseñada para aplicaciones de IA responsables en el aprendizaje automático.
Acelerar el tiempo de creación de valor
Cree modelos de aprendizaje automático que aprovechen infraestructura de inteligencia artificial eficaz y organice flujos de trabajo de inteligencia artificial con flujo de solicitud.
Colaboración y optimización de MLOps
Implementación, administración y uso compartido rápidos de modelos de ML para la colaboración entre áreas de trabajo y MLOps.
Desarrolle con confianza
Gobernanza, seguridad y cumplimiento integrados para ejecutar cargas de trabajo de aprendizaje automático en cualquier lugar.
Funcionalidades de servicio clave para todo el ciclo de vida del aprendizaje automático
Preparación de los datos
Preparación de datos a escala en clústeres Apache Spark dentro de Azure Machine Learning, interoperable con Azure Databricks.
Almacén de características
Aumenta la agilidad en el envío de los modelos haciendo que las características sean reconocibles y reutilizables en varias áreas de trabajo con el almacén de características gestionado.
Cuadernos de colaboración
Inicia el cuaderno en Jupyter Notebook o Visual Studio Code para obtener una experiencia de desarrollo enriquecida, incluida la depuración y la compatibilidad con el control de código fuente de Git.
Aprendizaje automático automatizado
Crea rápidamente modelos precisos para clasificación, regresión, previsión de series temporales, tareas de procesamiento de lenguaje natural y tareas de visión artificial con aprendizaje automático automatizado.
Drag-and-drop machine learning
Usa herramientas de aprendizaje automático como diseñador para la transformación de datos, el entrenamiento de modelos y la evaluación, o para crear y publicar fácilmente canalizaciones de aprendizaje automático.
IA responsable
Crea soluciones IA responsables con capacidades de interpretación. Valore la imparcialidad de los modelos usando métricas de disparidad y mitigue la parcialidad.
Registros
Usa repositorios de toda la organización para almacenar y compartir modelos, canalizaciones, componentes y conjuntos de datos en varias áreas de trabajo. Captura automáticamente datos de linaje y gobernanza mediante la característica de pista de auditoría.
Puntos de conexión administrados
Usa puntos de conexión administrados para poner en marcha la implementación y puntuación del modelo, registrar métricas y realizar implementaciones de modelos seguras.
Acelera el tiempo de valor con el desarrollo rápido de modelos
Mejora la productividad con una experiencia de estudio unificada. Crea, entrena e implementa modelos con cuadernos de Jupyter Notebook con compatibilidad integrada con bibliotecas y marcos de código abierto. Crea modelos rápidamente con aprendizaje automático automatizado para datos tabulares de texto y de imagen. Usa Visual Studio Code para pasar del entrenamiento local a la nube sin problemas y escale automáticamente con Azure AI infraestructura, con tecnología de la plataforma NVIDIA Quantum-2 InfiniBand. Diseñe, compare, evalúe e implemente mensajes para aplicaciones basadas en modelos de lenguaje de gran tamaño con flujo de mensajes.
Colaboración y optimización de la administración de modelos con MLOps
Optimiza la implementación y administración de miles de modelos en varios entornos mediante MLOps. Implementa y puntúa modelos ML más rápido con puntos de conexión totalmente administrados para predicciones por lotes y en tiempo real. Usa canalizaciones repetibles para automatizar los flujos de trabajo para la integración continua y la entrega continua (CI/CD). Comparte y detecta artefactos de aprendizaje automático en varios equipos para la colaboración entre áreas de trabajo mediante registros y almacén de características administrado. Supervise continuamente las métricas de rendimiento del modelo, detecte el desfase de datos y desencadene el reentrenamiento para mejorar el rendimiento del modelo.
Uso de prácticas de inteligencia artificial responsables a lo largo del ciclo de vida
Evalúe modelos de aprendizaje automático con flujos de trabajo reproducibles y automatizados para evaluar la imparcialidad del modelo, la explicación, el análisis de errores, el análisis causal, el rendimiento del modelo y el análisis de datos exploratorios. Realice intervenciones reales con análisis causales en el panel de inteligencia artificial responsable y genere un cuadro de mandos en el momento de la implementación. Contextualice las métricas de inteligencia artificial responsables para públicos técnicos y no técnicos para implicar a las partes interesadas y simplificar la revisión del cumplimiento.
Crea soluciones de nivel empresarial en una plataforma híbrida
Prioriza la seguridad en todo el ciclo de vida del aprendizaje automático mediante la gobernanza de datos integrada en Microsoft Purview. Aproveche las completas funcionalidades de seguridad que abarcan la identidad, los datos, las redes, la supervisión y el cumplimiento, todo ello probado y validado por Microsoft. Proteja las soluciones mediante el control de acceso basado en roles personalizado, las redes virtuales, el cifrado de datos, los puntos de conexión privados y las direcciones IP privadas. Entrene e implemente modelos en cualquier lugar, desde el entorno local hasta multinube, para satisfacer los requisitos de soberanía de datos. Gobierne con confianza mediante directivas integradas y cumplimiento con 60 certificaciones, incluidas FedRAMP High y HIPAA.
