Compartir a través de

AI Studio o Azure Machine Learning: ¿Qué experiencia debo elegir?

  • Artículo

Este artículo te ayuda a comprender cuándo usar Inteligencia artificial de Azure Studio frente a Azure Machine Learning. Aunque hay cierta superposición en la funcionalidad de cada experiencia, en este artículo se proporciona información general sobre sus capacidades y los escenarios de desarrollo más adecuados para cada plataforma.

Azure AI Studio

Icono de Inteligencia artificial de Azure Studio Inteligencia artifical de Azure Studio es una plataforma unificada para desarrollar e implementar aplicaciones de IA generativas y API de Azure AI de forma responsable. Incluye un amplio conjunto de capacidades de IA, una interfaz de usuario simplificada y experiencias orientadas al código, lo que ofrece una tienda única para compilar, probar, implementar y administrar soluciones inteligentes.

¿Es AI Studio adecuado para ti?

Inteligencia artificial de Azure Studio está diseñado para ayudar a los desarrolladores y científicos de datos a compilar e implementar aplicaciones de IA generativa con la eficacia de las amplias ofertas de IA de Azure.

Capacidades clave de Inteligencia artificial de Azure Studio

  • Crear juntos como un equipo. El centro de conectividad de AI Studio proporciona seguridad de nivel empresarial y un entorno de colaboración con recursos compartidos y conexiones a modelos, datos y procesos previamente entrenados.
  • Organiza tu trabajo. El Proyecto de AI Studio te ayuda a guardar el estado, lo que te permite iterar desde la primera idea, al primer prototipo y, después, a la primera implementación de producción. También puede invitar fácilmente a otros usuarios a colaborar a lo largo del recorrido.
  • Usa tus plataformas y marcos de desarrollo preferidos, como GitHub, Visual Studio Code, LangChain, Kernel semántico, AutoGen, etc.
  • Descubre y haz pruebas comparativas de más de 1600 modelos.
  • Aprovisiona Modelos como servicio (MaaS) a través de API sin servidor y ajuste preciso hospedado.
  • Incorpora varios modelos, orígenes de datos y modalidades.
  • Compila la generación aumentada de recuperación (RAG) mediante los datos empresariales protegidos sin necesidad de ajustarlos.
  • Organiza y administra ingeniería de solicitudes y flujos de modelo de lenguaje grande (LLM).
  • Diseña y protege las aplicaciones y API con filtros y controles configurables.
  • Evalúa las respuestas del modelo con flujos de evaluación integrados y personalizados.
  • Implemente innovaciones de inteligencia artificial en la infraestructura administrada de Azure con supervisión y gobernanza continuas en todos los entornos.
  • Supervisa continuamente la seguridad, la calidad y el consumo de tokens en producción de las aplicaciones implementadas.

Estudio de Azure Machine Learning

Icono de Estudio de Azure Machine Learning Estudio de Azure Machine Learning es una plataforma de aprendizaje automático de un extremo a otro administrada para compilar, ajustar, implementar y operar modelos de Azure Machine Learning de forma responsable y a gran escala.

¿Es Estudio de Azure Machine Learning adecuado para ti?

Azure Machine Learning está diseñado para ingenieros de aprendizaje automático y científicos de datos.

Capacidades clave de Estudio de Azure Machine Learning

  • Compila y entrena un modelo de Azure Machine Learning con cualquier tipo de proceso, incluidos Spark y GPU, para grandes cargas de trabajo de IA a escala en la nube.
  • Ejecuta Azure Machine Learning automatizado (AutoML) y arrastra y coloca la interfaz de usuario para Azure Machine Learning de código bajo.
  • Implementa canalizaciones de Azure Machine LearningOps de un extremo a otro y de Azure Machine Learning repetibles.
  • Usa el panel de IA responsable para la detección de sesgos y el análisis de errores.
  • Organiza y administra ingeniería de solicitudes y flujos de LLM.
  • Implementa modelos con puntos de conexión de API de REST, inferencia en tiempo real y por lotes.

Comparación de características detallada

En la tabla siguiente se comparan las características clave de Inteligencia artificial de Azure Studio y Estudio de Azure Machine Learning:

Category Característica Azure AI Studio Estudio de Azure Machine Learning
Almacenamiento de datos Solución de almacenamiento No Sí, con la integración del sistema de archivos en la nube, OneLake en la integración de Fabric y las cuentas de Azure Storage.
Preparación de datos Integración de datos en el almacenamiento Sí, con Blob Storage, Onelake y Azure Data Lake Storage (ADLS) admitidos en índice. Sí, mediante la copia y el montaje con cuentas de Azure Storage.
Limpieza y transformación de datos No Sí, en código.
Etiquetado de datos No Sí, con identificación de objetos, segmentación de instancia, segmentación semántica, Reconocimiento de entidades con nombre (NER) de texto e integración con herramientas y servicios de etiquetado 3P.
Almacén de características No Sí
Linaje de datos y etiquetas No Sí
Cargas de trabajo de Spark No Sí
Cargas de trabajo de orquestación de datos No No, aunque están disponibles las canalizaciones de Spark y Azure Machine Learning asociadas.
El desarrollo y el entrenamiento de modelos Herramienta orientada a código para científico de datos. Sí, con VS Code. Sí, con Notebooks, Jupyter, VS Code y R Studio integrados.
Idiomas Solo Python. Python (experiencia completa), R, Scala y Java (experiencia limitada).
Seguimiento, supervisión y evaluación de experimentos Sí, pero solo para ejecuciones de flujo de avisos. Sí, para todos los tipos de ejecución.
Herramientas de creación de canalizaciones de ML No Sí, con el diseñador, la herramienta de creación visual y SDK/CLI/API.
AutoML No Sí, para regresión, clasificación, previsión de series temporales, Computer Vision y procesamiento del lenguaje natural (NLP).
Destinos de proceso para entrenamiento Solo sin servidor para instancias de proceso MaaS y runtime sin servidor para el flujo de avisos. Clústeres de Spark, clústeres de Azure Machine Learning (MPI) y Azure Arc sin servidor.
Entrenamiento y ajuste de modelos de lenguaje grande (LLM) y modelos de base Limitado al catálogo de modelos. Sí, con el entrenamiento distribuido basado en MPI y el catálogo de modelos.
Evaluación y depuración de modelos de Azure Machine Learning para garantizar su equidad y explicabilidad. No Sí, con el panel de IA responsable integrado.
IA generativa/LLM Catálogo LLM Sí, a través del catálogo de modelos, LLM de Azure OpenAI, Hugging Face y Meta. Sí, a través del catálogo de modelos, LLM de Azure OpenAI, Hugging Face y Meta.
RAG (chat empresarial) Sí Sí, a través del flujo de avisos.
Filtrado de contenido LLM Sí, a través de la seguridad de contenido de IA. Sí, a través de la seguridad de contenido de IA.
Flujo de avisos Sí Sí
Tabla de clasificación/puntos de referencia Sí No
Ejemplos de indicaciones Sí No
Flujo de trabajo de LLM/LLMOps/MLOps Área de juegos Sí No
Experimentación y pruebas de solicitudes Sí, a través del área de juegos, la tarjeta de modelo y el flujo de avisos. Sí, a través de la tarjeta de modelo y el flujo de avisos.
Desarrollo de flujo de trabajo Sí, a través del flujo de avisos, integración con LangChain y kernel semántico. Sí, a través del flujo de avisos, integración con LangChain y kernel semántico.
Implementación de flujo de trabajo como punto de conexión Sí, a través del flujo de avisos. Sí, a través del flujo de avisos.
Control de versiones de flujo Sí, a través del flujo de avisos. Sí, a través del flujo de avisos.
Evaluación integrada Sí, a través del flujo de avisos. Sí, a través del flujo de avisos.
Integración de Git Sí Sí
CI/CD Sí, a través de experiencias orientadas a código en el flujo de avisos, integradas con Azure DevOps y GitHub. Sí, a través de experiencias orientadas a código en el flujo de avisos, integradas con Azure DevOps y GitHub.
Registro de modelos No Sí, a través de MIFlow y los registros.
Registro del modelo organizativo No Sí, a través de registros.
Implementación de modelo Opciones de implementación para servicio en tiempo real Puntos de conexión en línea de modelos como servicio (MaaS) para el catálogo MaaP. No
Opciones de implementación para servicio por lotes No Puntos de conexión por lotes, compatibilidad con Azure Arc administrado y no administrado.
Seguridad de la empresa AI Hub Sí, administra y controla recursos de IA. Sí, tanto para Azure Machine Learning clásico como LLM.
Redes privadas Sí Sí
Prevención de la pérdida de datos Sí Sí
Clasificación de datos No Sí, a través de Purview.

Contenido relacionado