Entdecken Sie neue Entwicklungstools und -funktionen zum Erstellen von KI-Apps und -Agents in Azure AI Foundry.

Azure Machine Learning

Nutzen Sie einen speziell für Unternehmen konzipierten KI-Dienst für den Ende-zu-Ende-Machine Learning-Lebenszyklus (ML).

Erste Schritte mit Azure Erste Schritte in Studio

ÜBERSICHT

Erstellen Sie unternehmenskritische ML-Modelle im großem Stil.

Optimieren Sie Workflows für Prompt Engineering und ML-Modelle. Beschleunigen Sie die Modellentwicklung mit leistungsstarker KI-Infrastruktur.

Informationen zu Prompt Flows
Reproduzieren Sie End-to-End-Pipelines, und automatisieren Sie Workflows mit Continuous Integration und Continuous Delivery (CI/CD).

Informationen zu ML-Vorgängen
Vereinheitlichen Sie Daten- und KI-Governance mit integrierter Sicherheit und Compliance. Führen Sie Computevorgänge überall für Hybrid-Machine Learning aus.

Mehr zur integrierten Sicherheit
Gewinnen Sie Einblicke in Modelle, und werten Sie Sprachmodellworkflows aus. Berücksichtigen Sie Fairness, Vorurteile und Schäden mit dem integrierten Sicherheitssystem.

Weitere Informationen zu verantwortungsvoller KI

FUNKTIONEN

Nutzen Sie die wichtigsten Features für den gesamten ML-Lebenszyklus.

Datenaufbereitung

Durchlaufen Sie schnell die Datenaufbereitung in Apache Spark-Clustern innerhalb von Azure Machine Learning (interoperabel mit Microsoft Fabric).

Feature Store

Steigern Sie die Agilität beim Bereitstellen Ihrer Modelle, indem Sie Features in mehreren Arbeitsbereichen auffindbar und wiederverwendbar machen.

KI-Infrastruktur

Verwenden Sie speziell entwickelte KI-Infrastruktur, die gezielt konzipiert wurde, um die neuesten GPUs und InfiniBand-Netzwerklösungen zu kombinieren.

Automatisiertes maschinelles Lernen

Erstellen Sie schnell genaue Modelle für maschinelles Lernen für Aufgaben wie Klassifizierung, Regression, maschinelles Sehen und linguistische Datenverarbeitung.

Verantwortungsvolle KI

Erstellen Sie verantwortungsvolle KI-Lösungen mit Interpretierbarkeitsfunktionen. Bewerten Sie die Modellfairness, und vermeiden Sie Unfairness mithilfe von Abweichungsmetriken.

Modellkatalog

Mithilfe des Modellkatalogs können Sie Foundation-Modelle von Microsoft, OpenAI, Hugging Face, Meta, Cohere und anderen entdecken, optimieren und bereitstellen.

Prompt Flow

Mit Prompt Flow können Sie Sprachmodellworkflows entwerfen, erstellen, auswerten und bereitstellen.

Verwaltete Endpunkte

Operationalisieren Sie die Modellbereitstellung und -bewertung, protokollieren Sie Metriken, und führen Sie sichere Modellrollouts durch.

Funktionen

Erfahren Sie, wie Sie ML in die Produktion bringen.

Azure Machine Learning unterstützt umfangreiche, vielfältige Funktionen für eine stabile KI- und ML-Entwicklung.

Eine Person, die an einem Computer arbeitet

Generative KI

Optimieren Sie Prompt Engineering-Projekte, und erstellen Sie sprachmodellbasierte Anwendungen.

Weitere Informationen

Eine Person mit Brille, die auf einem Stuhl sitzt

Automatisiertes ML

Machine Learning-Modelle automatisch erstellen – mit höchster Geschwindigkeit und in jedem gewünschten Umfang.

Weitere Informationen

Eine Person in einem Schal, die vor einer Gruppe von Menschen steht

MLOps

Zusammenarbeiten und Optimieren der Modellverwaltung mit Machine Learning Operations (MLOps).

Weitere Informationen

Eine Person im Anzug, die mit einer anderen Person spricht

Verantwortungsvolle KI

Entwickeln, verwenden und steuern Sie KI-Lösungen verantwortungsvoll mit Azure KI.

Weitere Informationen

Sicherheit

Eingebettete Sicherheit und Compliance

34.000 Mitarbeiterkapazität von Ingenieuren, die sich bei Microsoft ausschließlich Sicherheitsinitiativen widmen.

15 000

Partner mit spezialisierten Sicherheitskompetenzen.

>100

Compliance-Zertifizierungen, darunter mehr als 50, die speziell auf globale Regionen und Länder ausgerichtet sind.

Erfahren Sie mehr über Sicherheit in Azure

Eine Person, die auf einem Stuhl sitzt und an einem Laptop arbeitet

Preise

Bezahlen Sie nutzungsbasiert – ohne Vorabkosten

Verwenden Sie Azure Machine Learning ohne zusätzliche Kosten. Gebühren fallen nur für die zugrunde liegenden Computeressourcen an, die während des Modelltrainings oder Rückschlusses genutzt werden. Sie haben die Flexibilität, aus einer Vielzahl von Computertypen auszuwählen, die sich über Kategorien wie allgemeine CPUs und spezialisierte GPUs erstrecken.

Preise anzeigen

Neuerungen in Azure Machine Learning

 Entdecken Sie die neuesten Features und Ankündigungen von Azure Machine Learning.

Weitere Informationen

KUNDENREFERENZEN

Kunden schaffen mit Azure Machine Learning Innovationen.

Eine Person, die auf einer Couch sitzt und einen Laptop benutzt

„Es war sehr wertvoll für uns, mit Microsoft bei der Verbesserung und Erweiterung von Pi zusammenzuarbeiten, da die Zuverlässigkeit und Skalierbarkeit der Azure KI Infrastruktur zu den besten der Welt gehören.“

Mustafa Suleyman, Mitgründer und Chief Executive Officer, Inflection AI

Eine Person mit Hut und Handschuhen, die eine Pflanze einpflanzt

„Unsere Teams testen in der Regel [Daten], erhalten Ergebnisse und verwenden sie dann, um Modelle und Algorithmen zu entwickeln, die wir dann in Softwareprodukte integrieren. Diese Plattform vereinfacht, beschleunigt und optimiert den gesamten Prozess.“

Mogens Mikkelsen, Enterprise Architect, SEGES Innovation

Eine Person, die einer anderen Person etwas auf einem Tablet zeigt

„Marks & Spencer hat mehr als 30 Millionen Kunden und großen Datenmengen, die Systeme erfordern, die für die Verarbeitung skaliert werden können. Azure Machine Learning ermöglicht es uns, Lösungen für maschinelles Lernen zu erstellen, die skalierbar sind und Kunden die richtigen Angebote und insgesamt einen besseren Service bieten.“

Luis Arnedo Martinez, Machine Learning Platform Product Manager, Marks & Spencer

Eine lächelnde Person in einem grünen Mantel

„Microsoft Azure ergänzt unser digitales Ökosystem perfekt, um die bestmöglichen Fanerfahrungen für die weltweit beste Sportliga zu bieten.“

Miguel Ángel Leal, Chief Technology and Innovation Officer, LALIGA

Zwei Männer, die einen Flur entlanggehen

„Mit Azure Machine Learning können wir ein Modell mit mehreren verteilten Datasets trainieren. Anstatt die Daten an einen zentralen Punkt zu bringen, machen wir das Gegenteil. Wir senden das Modell für das Training an die lokalen Computeressourcen und Datasets der Teilnehmer am Edge und fügen die Trainingsergebnisse in ein Basismodell ein.“

Johan Bryssinck, AI/ML Product and Program Management Lead, Swift

RESSOURCEN