Machinelearning

Machine learning is een subset van AI waarmee machines patronen kunnen detecteren en van gegevens kunnen leren zonder dat ze er expliciet voor worden gesynchroniseerd. Azure Machine Learning-oplossingen kunnen uw computing-inzichten vooruit helpen.

Azure biedt u de meest geavanceerde machine learning-mogelijkheden. Bouw, train en implementeer uw machine learning-modellen snel en eenvoudig met behulp van Azure Machine Learning. Machine learning AI kan worden gebruikt voor elk soort machine learning, van klassiek tot diepgaand leren, onder supervisie en zonder supervisie. Of u nu liever Python- of R-code schrijft of opties met nulcode of weinig code gebruikt, zoals de ontwerpfunctie, u kunt uiterst nauwkeurige machine learning- en deep learning-modellen bouwen, trainen en bijhouden in een machine learning-werkruimte.

U kunt zelfs beginnen met trainen op uw lokale computer en vervolgens uitschalen naar de cloud. De service werkt ook samen met populaire opensource-hulpprogramma's voor deep learning en versterking, zoals PyTorch, TensorFlow, scikit-learn en Ray en RLlib.

Ga aan de slag met het overzicht van Azure Machine Learning, waar u een zelfstudie vindt over het instellen van uw eerste machine learning-experiment. Zie ONNX Runtime voor meer informatie over de opensource-modelindeling en runtime voor machine learning.

Veelvoorkomende scenario's voor machine learning-oplossingen zijn:

• Voorspellend onderhoud
• Voorraadbeheer
• Fraudedetectie
• Vraagprognose
• Intelligente aanbevelingen
• Verkoopprognoses

Controlelijst voor machine learning

• Ga aan de slag door eerst vertrouwd te raken met machine learning en vervolgens te kiezen met welke ervaring u wilt beginnen. U kunt de stappen volgen voor het gebruik van een Jupyter-notebook met Python, de visuele ervaring voor slepen en neerzetten of automatische machine learning (AutoML).

  • Meer informatie over Azure Machine Learning
  • Uw eerste machine learning-experiment maken met een Jupyter-notebook met Python
  • Experimenteren met slepen en neerzetten van visuele elementen
  • De AutoML-gebruikersinterface gebruiken
  • Uw ontwikkelaarsomgeving configureren

• Experimenteer met meer geavanceerde zelfstudies om taxikosten te voorspellen, afbeeldingen te classificeren en een pijplijn te bouwen voor batchgewijs scoren.

  • AutoML gebruiken om taxikosten te voorspellen
  • Afbeeldingen classificeren met scikit-learn
  • Een machine learning-pijplijn bouwen voor batchgewijs scoren

• Volg de videozelfstudies voor meer informatie over de voordelen van machine learning, zoals het bouwen van modellen zonder code, machine learning-bewerkingen (MLOps), ONNX Runtime, modelinterpreteerbaarheid en transparantie, en meer.

  • Wat is er nieuw in Azure Machine Learning?
  • AutoML gebruiken om modellen te bouwen
  • Modellen zonder code bouwen met Azure Machine Learning Designer
  • MLOps voor het beheren van de end-to-end-levenscyclus
  • ONNX Runtime opnemen in uw modellen
  • Interpreteerbaarheid en transparantie van modellen
  • Modellen bouwen met R

• Bekijk referentiearchitecturen voor AI-machine learning-oplossingen.

Volgende stappen

Verken andere ai-oplossingscategorieën:

• AI-toepassingen en -agents
• Kennisanalyse