Trace Id is missing
Gå til hovedindholdet
Azure

Azure Machine Learning

Brug en tjeneste med kunstig intelligens i virksomhedsklasse til hele livscyklussen for maskinel indlæring
OVERSIGT

Byg forretningskritiske ML-modeller i stor skala

FUNKTIONER

Drag fordel af de vigtigste funktioner i hele livscyklussen af Machine Learning

Dataforberedelse

Gentag hurtigt dataforberedelse på Apache Spark-klynger i Azure Machine Learning, der fungerer sammen med Microsoft Fabric.

Funktionslager

Øg fleksibiliteten ved at sende dine modeller ved at gøre funktioner synlige og genanvendelige på tværs af arbejdsområder.

AI-infrastruktur

Udnyt fordelen ved en specialbygget AI-infrastruktur, der er unikt designet til at kombinere de nyeste GPU'er og InfiniBand-netværk.

Automatiseret maskinel indlæring

Opret hurtigt nøjagtige modeller til maskinel indlæring til opgaver, herunder klassificering, regression, vision og behandling af naturligt sprog.

Ansvarlig AI

Byg ansvarlige AI-løsninger med fortolkningsfunktioner. Vurder retfærdigheden af modellen gennem forskelle i målepunkter, og afhjælp uretfærdigheden.

Modelkatalog

Opdag, finjuster og udrul grundlæggende modeller fra Microsoft, OpenAI, Hugging Face, Meta, Cohere og meget mere ved hjælp af modelkataloget.

Promptflow

Design, konstruer, evaluer og udrul arbejdsprocesser for sprogmodeller med promptflow.

Administrerede slutpunkter

Operationaliser modeludrulning og -scoring, logmetrikværdier, og udfør sikre modeludrulninger.
En lysegrøn og hvid baggrund
Funktioner

Udforsk, hvordan du får Machine Learning i produktion

Azure Machine Learning understøtter omfattende og alsidige funktioner til robust udvikling af kunstig intelligens og maskinel indlæring.

Indbygget sikkerhed og overholdelse af angivne standarder

En person, der sidder i en stol og arbejder på en bærbar computer
PRISFASTSÆTTELSE

Betal kun for det, du har brug for, uden forudbetaling

Brug Azure Machine Learning uden ekstra omkostninger. Der opkræves kun gebyrer for de underliggende beregningsressourcer, der bruges under modeltræning eller fornuftslutning. Du har fleksibiliteten til at vælge mellem en lang række maskintyper, der spænder over kategorier, såsom generelle CPU'er og specialiserede GPU'er.

Nyheder i Azure Machine Learning

 Opdag de nyeste funktioner og meddelelser fra Azure Machine Learning.
En lyseblå baggrund
KUNDEHISTORIER

Kunder er innovative med Azure Machine Learning

RESSOURCER

Azure Machine Learning-ressourcer

Tilbage til faner

Ofte stillede spørgsmål

  • Tjenesten er tilgængelig i flere Azure-områder, og der er flere på vej.
  • Serviceniveauaftalen (SLA) til Azure Machine Learning er 99,9 % oppetid.
  • Det tilhørende studio til Azure Machine Learning er ressourcen på øverste niveau for Azure Machine Learning. På den måde får dataanalytikere og udviklere et centraliseret sted til at arbejde med alle artefakterne til udvikling, oplæring og udrulning af modeller til maskinel indlæring.
  • Azure Machine Learning er en omfattende platform til maskinel indlæring, der understøtter finjustering og udrulning af sprogmodeller. Ved hjælp af Azure Machine Learning-modelkataloget kan brugerne oprette et slutpunkt for Azure OpenAI Service og bruge RESI API'er til at integrere modeller i programmer.
  • Der er ingen yderligere omkostninger forbundet med at bruge Azure Machine Learning. Foruden beregningsgebyrer påløber der dog separate gebyrer for alle forbrugte Azure-tjenester, herunder, men ikke begrænset til, Azure Blob Storage, Azure Key Vault, Azure Container Registry og Azure Application Insights. Se oplysninger om prisfastsættelse.
To personer, der sidder ved et bord med en computer
KONTOTILMELDING

Kom i gang med en gratis konto

Start med en Azure-kredit på 200 USD
En person, der kigger på sin computer
KONTOTILMELDING

Start her med prisfastsættelse, der er betalt efter forbrug

Der er ingen forudgående forpligtelser – du kan annullere når som helst.
#chatEngagement { color: #fff; background-color: #006abb; border: 1px solid #0078d4; border-radius: 4px; display: inline-block; font-size: 14px; font-weight: 600; padding: 10px 16px; } #chatEngagement:hover, #chatEngagement:active { text-decoration: underline; } #chatDisengagement { color: #0062ad; display: inline-block; font-size: 14px; font-weight: 600; padding-right: 1em; position: relative; text-decoration: none; border: none; background-color: transparent; } #chatEngagement:focus { outline: 1px solid #fff; outline-offset: -4px; text-decoration: underline; } #chatDisengagement:after { background-image: url("data:image/svg+xml,%3Csvg viewBox='0 0 12 12' fill='none' xmlns='http://www.w3.org/2000/svg'%3E%3Cpath d='M4 1L9 6L4 11' stroke='%230062ad'/%3E%3C/svg%3E"); content: ' '; height: 12px; width: 12px; display: inline-flex; vertical-align: middle; margin-left: .2em; transition: all .2s ease-in-out; position: absolute; bottom: -6px; background-color: transparent; } #chatDisengagement:focus { outline-offset: 10px; } #lp-iframe-container { border: 0; bottom: 0; box-shadow: 0 5px 15px 0 #00000033; height: 500px; left: auto !important; min-width: 300px; max-width: 350px; padding: 0; position: fixed; right: 0; top: auto !important; z-index: 1031; } #iFrame { height: 100%; width: 100%; border: 0; } #proactive-chat-dialog { position: fixed; z-index: 10400; bottom: -24px; right: 11px; } #proactive-chat-dialog .chatContainer { min-width: 272px; height: 277px; color: #000; line-height: 0; position: relative; border: 0 !important; background-repeat: no-repeat !important; background-color: #fff !important; margin: auto; padding: 12px; background-size: contain !important; box-shadow: 0 2.8px 2.2px rgba(0, 0, 0, 0.034), 0 6.7px 5.3px rgba(0, 0, 0, 0.048), 0 12.5px 10px rgba(0, 0, 0, 0.06), 0 22.3px 17.9px rgba(0, 0, 0, 0.072), 0 41.8px 33.4px rgba(0, 0, 0, 0.086), 0 100px 80px rgba(0, 0, 0, 0.12); } #proactive-chat-dialog .chatContainer .chat-cta { text-align: center; font-size: 24px; font-weight: 600; position: relative; top: 160px; } #proactive-chat-dialog .chatContainer .chat-buttons { position: relative; top: 185px; width: 100%; display: flex; gap: 1em; justify-content: center; flex-direction: column; } #proactive-chat-dialog .chatContainer .chat-buttons .arrow-link { width: auto; margin: auto; } #proactive-chat-dialog .chatContainer .chat-buttons .arrow-link:after { bottom: -6px; } @media only screen and (min-width: 33.75em) { #proactive-chat-dialog .chatContainer .chat-buttons { top: 200px; flex-direction: row; } } </style> <div id="proactive-chat-dialog" class="proactive-chat-hidden"> <div class="chatContainer" style="background: url('{{module.bg-img-src}}') no-repeat top left" > <div class="chat-cta">{{module.heading}}</div> <div class="chat-buttons"> <button type="button" id="chatEngagement" aria-label="{{chat-engagement.aria-label}}" class="button button--primary01 lp-chatnow" data-lp-event="click" data-bi-id="expand-chat" data-bi-an="chat" data-bi-chtid="azure chat 1" data-bi-chtnm="live person proactive chat" data-bi-bhvr="16" data-bi-tn="button button--primary01 lp-chatnow" > {{chat-engagement.btn-txt}} </button> <button type="button" id="chatDisengagement" aria-label="{{chat-disengagement.aria-label}}" class="arrow-link lp-nothanks" data-lp-event="close" data-bi-id="collapse-chat" data-bi-an="chat" data-bi-chtid="azure chat 1" data-bi-chtnm="live person proactive chat" data-bi-tn="arrow-link lp-nothanks" > {{chat-disengagement.btn-txt}} </button> </div> </div> </div> '/>