次の方法で共有

AI Studio または Azure Machine Learning: どちらの環境を選択するべきか?

  • [アーティクル]

この記事は、Azure AI Studio と Azure Machine Learning をいつ使用するかについて理解するのに役立ちます。 各環境における機能にはいくつかの重複する点がありますが、この記事では、それぞれの機能の概要と、各プラットフォームに最適な開発シナリオについて説明します。

Azure AI Studio

Azure AI Studio アイコン Azure AI Studio は、生成 AI アプリと Azure AI API を責任を持って開発およびデプロイするための統合プラットフォームです。 これには、豊富な AI 機能、簡素化されたユーザー インターフェイス、コードファーストの環境が含まれており、インテリジェントなソリューションを構築、テスト、デプロイ、管理するためのワンストップ ショップを提供します。

AI Studio は自分に適しているか

Azure AI Studio は、開発者やデータ サイエンティストが Azure の広範な AI オファリングの力を利用して、生成 AI アプリケーションを効率的に構築してデプロイできるように設計されています。

Azure AI Studio の主な機能

  • 1 つのチームとして一緒に構築します。 AI Studio ハブは、エンタープライズ レベルのセキュリティと、共有リソースや事前トレーニング済みモデル、データ、コンピューティングへの接続を備えたコラボレーション環境を提供します。
  • 業務を整理する AI Studio プロジェクトは状態を保存するのに役立つため、最初のアイデアから、最初のプロトタイプ、その後の最初の運用環境デプロイまでの反復処理が可能になります。 また、この体験に沿って他のユーザーを気軽に共同作業に招待できます。
  • GitHub、Visual Studio Code、LangChain、セマンティック カーネル、AutoGen など、希望する開発プラットフォームとフレームワークを使用します。
  • 1,600 を超えるモデルから検出とベンチマークを行います。
  • サーバーレス API とホストされた微調整を使用して、サービスとしてのモデル (MaaS) をプロビジョニングします。
  • 複数のモデル、データ ソース、モダリティを組み込みます。
  • 微調整を必要とせずに、保護されたエンタープライズ データを使用して、取得拡張生成 (RAG) を構築します。
  • プロンプト エンジニアリングと大規模言語モデル (LLM) のフローを調整および管理します。
  • 構成可能なフィルターとコントロールを使用してアプリと API を設計して保護します。
  • 組み込みのカスタム評価フローを使用してモデルの応答を評価します。
  • 環境にまたがる継続的な監視とガバナンスを使用して、AI イノベーションを Azure のマネージド インフラストラクチャにデプロイします。
  • 運用環境での、安全性のためにデプロイされたアプリ、品質、トークン消費量を継続的に監視します。

Azure Machine Learning Studio

Azure Machine Learning Studio アイコン Azure Machine Learning Studio は、責任を持って大規模に Azure Machine Learning モデルを構築、微調整、デプロイ、運用するためのマネージド エンドツーエンドの機械学習プラットフォームです。

Azure Machine Learning Studio は自分に適しているか?

Azure Machine Learning は、機械学習のエンジニアとデータ サイエンティスト向けに設計されています。

Azure Machine Learning Studio の主な機能

  • クラウド規模の大きな AI ワークロード用の Spark や GPU など、あらゆる種類のコンピューティングを使用して Azure Machine Learning モデルを構築し、トレーニングします。
  • 自動 Azure Machine Learning (AutoML) とドラッグ アンド ドロップ UI を実行して、ロー コードの Azure Machine Learning を実現します。
  • エンドツーエンドの Azure Machine LearningOps と反復可能な Azure Machine Learning パイプラインを実装します。
  • バイアス検出とエラー分析には、責任ある AI ダッシュボードを使用しています。
  • プロンプト エンジニアリングと LLM フローを調整および管理します。
  • REST API エンドポイント、リアルタイム推論、バッチ推論を使用してモデルをデプロイします。

詳細な機能の比較

次の表は、Azure AI Studio と Azure Machine Learning Studio の主な機能を比較したものです。

カテゴリ 機能 Azure AI Studio Azure Machine Learning Studio
データ ストレージ ストレージ ソリューション いいえ はい。クラウド ファイルシステム統合、Fabric の OneLake 統合、Azure Storage アカウントを使用します。
データ準備 ストレージへのデータ統合 はい。Blob Storage では、OneLake、Azure Data Lake Storage (ADLS) がインデックスでサポートされています。 はい。Azure Storage アカウントを使用したコピーとマウントを使用します。
データ ラングリング いいえ はい。コード内です。
データのラベル付け いいえ はい。オブジェクト ID、インスタンスのセグメント化、セマンティック セグメント化、テキストの固有表現認識 (NER)、3P ラベル付けツールおよびサービスとの統合を使用します。
機能ストア いいえ はい
データ系列とラベル いいえ はい
Spark ワークロード いいえ はい
データ オーケストレーション ワークロード いいえ いいえ。ただし、アタッチされた Spark パイプラインと Azure Machine Learning パイプラインを使用できます。
モデルの開発とトレーニング データ サイエンティスト向けのコード ファースト ツール はい。VS Code を使用します。 はい。統合された Notebook、Jupyter、VS Code、R Studio を使用します。
言語 Python のみ。 Python (完全なエクスペリエンス)、R、Scala、Java (制限付きエクスペリエンス)。
実験の追跡、監視、評価 はい。ただし、プロンプト フローの実行のみです。 はい。すべての実行の種類に対してです。
ML パイプライン作成ツール いいえ はい。デザイナー、ビジュアル作成ツール、SDK/CLI/API を使用します。
AutoML いいえ はい。回帰、分類、時系列予測、コンピューター・ビジョン、自然言語処理 (NLP) などに使用されます。
モデル トレーニング用のコンピューティング先 プロンプト フローの MaaS コンピューティング インスタンスとサーバーレス ランタイムに対してのみサーバーレスです。 Spark クラスター、Azure Machine Learning クラスター (MPI)、および Azure Arc サーバーレス。
大規模言語モデル (LLM) と基盤モデルのトレーニングと微調整 モデル カタログに限定されます。 はい。MPI ベースの分散トレーニングとモデル カタログを使用します。
公平性と説明可能性の観点から Azure Machine Learning モデルを評価し、デバッグします。 いいえ はい。組み込みの責任ある AI ダッシュボードを使用します。
生成 AI と LLM LLM カタログ はい。モデル カタログ、Azure OpenAI の LLM、Hugging Face の LLM、Meta の LLM を使用します。 はい。Azure OpenAI、Hugging Face、Meta のモデル カタログ LLM を使用します。
RAG (エンタープライズ チャット) はい はい。プロンプト フローを使用します。
LLM コンテンツ フィルタリング はい。AI コンテンツの安全性を使用します。 はい。AI コンテンツの安全性を使用します。
プロンプト フロー はい はい
ランキング/ベンチマーク はい いいえ
プロンプトのサンプル はい いいえ
LLM ワークフロー/LLMOps/MLOps プレイグラウンド はい いいえ
実験とテストのプロンプト はい。プレイグラウンド、モデル カード、プロンプト フローを使用します。 はい。モデル カードとプロンプト フローを使用します。
開発ワークフロー はい。プロンプト フロー、LangChain との統合、セマンティック カーネルを使用します。 はい。プロンプト フロー、LangChain との統合、セマンティック カーネルを使用します。
ワークフローをエンドポイントとしてデプロイする はい。プロンプト フローを使用します。 はい。プロンプト フローを使用します。
フローのバージョン管理 はい。プロンプト フローを使用します。 はい。プロンプト フローを使用します。
組み込み評価 はい。プロンプト フローを使用します。 はい。プロンプト フローを使用します。
Git 統合 はい はい
CI/CD はい。Azure DevOps および GitHub と統合された、プロンプト フローでのコードファースト エクスペリエンスを使用します。 はい。Azure DevOps および GitHub と統合された、プロンプト フローでのコードファースト エクスペリエンスを使用します。
モデル レジストリ いいえ はい。MIFlow とレジストリを使用します。
組織モデル レジストリ いいえ はい。レジストリを使用します。
モデル デプロイ リアルタイム サービスの展開オプション MaaP カタログのサービスとしてのモデル (MaaS) オンライン エンドポイント。 いいえ
バッチ サービスのデプロイ オプション いいえ Batch エンドポイント、マネージドおよびアンマネージドの Azure Arc サポート。
エンタープライズ セキュリティ AI Hub はい。AI アセットを管理します。 はい。従来の Azure Machine Learning と LLM の両方に対応します。
プライベート ネットワーク はい はい
データ損失の防止 はい はい
データ分類 いいえ はい。Purview を使用します。

関連するコンテンツ