Porównanie produktów i technologii uczenia maszynowego firmy Microsoft
Dowiedz się więcej o produktach i technologiach uczenia maszynowego firmy Microsoft. Porównaj opcje, które ułatwiają wybór sposobu najbardziej efektywnego tworzenia, wdrażania i zarządzania rozwiązaniami uczenia maszynowego.
Produkty do uczenia maszynowego opartego na chmurze
Następujące opcje są dostępne dla uczenia maszynowego w chmurze platformy Azure.
| Opcje chmury | Co to jest | Co można zrobić za jego pomocą |
|---|---|---|
| Azure Machine Learning | Zarządzana platforma do uczenia maszynowego | Użyj wstępnie wytrenowanego modelu lub wytrenuj, wdróż modele i zarządzaj nimi na platformie Azure przy użyciu języka Python i interfejsu wiersza polecenia. Zawiera funkcje, takie jak zautomatyzowane uczenie maszynowe (AutoML), przepływ monitów, katalog modeli i integracja Z platformą MLflow. Śledzenie i zrozumienie wydajności modelu podczas produkcji |
| Microsoft Fabric | Ujednolicona platforma analityczna | Zarządzanie całym cyklem życia danych, od pozyskiwania do szczegółowych informacji, za pomocą kompleksowej platformy, która integruje różne usługi i narzędzia dla specjalistów ds. danych, w tym inżynierów danych, analityków danych i analityków biznesowych |
| Usługi Azure AI | Wstępnie utworzone możliwości sztucznej inteligencji zaimplementowane za pomocą interfejsów API REST i zestawów SDK | Twórz inteligentne aplikacje przy użyciu standardowych języków programowania, które nazywają interfejsy API, które zapewniają wnioskowanie. Chociaż uczenie maszynowe i wiedza na temat nauki o danych są nadal idealne, ta platforma może być również przyjęta przez zespoły inżynieryjne bez takich umiejętności |
| Azure SQL Managed Instance Machine Learning Services | Uczenie maszynowe w bazie danych dla języka SQL | Trenowanie i wdrażanie modeli w usłudze Azure SQL Managed Instance |
| Uczenie maszynowe w usłudze Azure Synapse Analytics | Usługa analizy z uczeniem maszynowym | Trenowanie i wdrażanie modeli w usłudze Azure Synapse Analytics |
| Azure Databricks | Platforma analityczna bazująca na projekcie Apache Spark | Twórz i wdrażaj modele i przepływy pracy danych przy użyciu integracji z bibliotekami uczenia maszynowego typu open source i platformą MLflow . |
Lokalny produkt uczenia maszynowego
Poniższa opcja jest dostępna w środowisku lokalnym uczenia maszynowego. Serwery lokalne mogą być także uruchamiane na maszynie wirtualnej w chmurze.
| Lokalne | Co to jest | Co można zrobić za jego pomocą |
|---|---|---|
| SQL Server Machine Learning Services | Uczenie maszynowe w bazie danych dla języka SQL | Trenowanie i wdrażanie modeli w programie SQL Server przy użyciu skryptów języka Python i R |
Platformy i narzędzia programistyczne
Następujące platformy programistyczne i narzędzia są dostępne dla uczenia maszynowego.
| Platformy/narzędzia | Co to jest | Co można zrobić za jego pomocą |
|---|---|---|
| portalu usługi Azure AI Foundry | Ujednolicone środowisko projektowe dla scenariuszy sztucznej inteligencji i uczenia maszynowego | Twórz, oceniaj i wdrażaj modele i aplikacje sztucznej inteligencji. Ułatwia współpracę i zarządzanie projektami w różnych usługach azure AI, a nawet może być używany jako typowe środowisko w wielu zespołach obciążeń. |
| Azure Studio Uczenia Maszynowego | Narzędzie do współpracy, przeciąganie i upuszczanie na potrzeby uczenia maszynowego | Twórz, testuj i wdrażaj rozwiązania analizy predykcyjnej z minimalnym kodem. Obsługuje szeroką gamę algorytmów uczenia maszynowego i modeli sztucznej inteligencji. Zawiera narzędzia do przygotowywania danych, trenowania modeli i oceny. |
| Azure Data Science Virtual Machine | Obraz maszyny wirtualnej ze wstępnie zainstalowanymi narzędziami do nauki o danych | Twórz rozwiązania uczenia maszynowego na własnych maszynach wirtualnych przy użyciu wstępnie skonfigurowanego środowiska z narzędziami takimi jak Jupyter, R i Python. |
| ML.NET | Zestaw SDK uczenia maszynowego typu open source dla wielu platform | Opracowywanie rozwiązań uczenia maszynowego dla aplikacji platformy .NET. |
| Sztuczna inteligencja systemu Windows | Aparat wnioskowania dla wytrenowanych modeli na urządzeniach z systemem Windows | Platforma, która integruje możliwości sztucznej inteligencji z aplikacjami systemu Windows przy użyciu składników, takich jak Windows Machine Learning (WinML) i Direct Machine Learning (Direct Machine Learning, Direct Machine Learning) na potrzeby lokalnej oceny modelu sztucznej inteligencji w czasie rzeczywistym i przyspieszania sprzętowego. |
| SynapseML | Platforma open source, rozproszona, uczenie maszynowe i mikrousługi dla platformy Apache Spark | Tworzenie i wdrażanie skalowalnych aplikacji uczenia maszynowego dla języków Scala i Python. |
| Rozszerzenie usługi Machine Learning dla usługi Azure Data Studio | Rozszerzenie uczenia maszynowego typu open source i międzyplatformowe dla usługi Azure Data Studio | Zarządzanie pakietami, importowanie modeli uczenia maszynowego, przewidywanie i tworzenie notesów w celu uruchamiania eksperymentów dla baz danych SQL |
Azure Machine Learning
Azure Machine Learning to w pełni zarządzana usługa w chmurze używana do trenowania, wdrażania i zarządzania modelami uczenia maszynowego na dużą skalę. W pełni obsługuje technologie typu „open source”, dzięki czemu można używać dziesiątków tysięcy pakietów języka Python, np. TensorFlow, PyTorch czy scikit-learn. Dostępne są również zaawansowane narzędzia, takie jak wystąpienia obliczeniowe, notesy Jupyter lub rozszerzenie Usługi Azure Machine Learning dla programu Visual Studio Code (VS Code), bezpłatne rozszerzenie umożliwiające zarządzanie zasobami, przepływy pracy trenowania modelu i wdrożenia w programie Visual Studio Code. Usługa Azure Machine Learning obejmuje funkcje automatyzujące generowanie i dostrajanie modeli z łatwością, wydajnością i dokładnością.
Użyj zestawu SDK języka Python, notesów Jupyter, języka R i interfejsu wiersza polecenia na potrzeby uczenia maszynowego w skali chmury. W przypadku opcji z małą ilością kodu lub bez kodu użyj projektanta interaktywnego usługi Azure Machine Learning w studio, aby łatwo i szybko kompilować, testować i wdrażać modele przy użyciu wstępnie utworzonych algorytmów uczenia maszynowego. Ponadto usługa Azure Machine Learning zapewnia integrację z usługami Azure DevOps i GitHub Actions na potrzeby ciągłej integracji i ciągłego wdrażania (CI/CD) modeli uczenia maszynowego.
| Produkt | opis |
|---|---|
| Type | Rozwiązanie do uczenia maszynowego opartego na chmurze |
| Obsługiwane języki | Python, R |
| Fazy uczenia maszynowego | Przygotowywanie danych Trenowanie modelu Wdrożenie Metodyka MLOps/zarządzanie Odpowiedzialne AI |
| Najważniejsze korzyści | Opcje tworzenia interfejsu internetowego code first (SDK) i studio oraz przeciągania i upuszczania projektanta. Centralne zarządzanie skryptami i historią uruchamiania, co ułatwia porównywanie wersji modelu. Łatwe wdrażanie modeli i zarządzanie nimi na urządzeniach w chmurze lub urządzeniach brzegowych. Oferuje skalowalne szkolenia, wdrażanie i zarządzanie modelami uczenia maszynowego. |
| Zagadnienia do rozważenia | Wymaga znajomości modelu zarządzania modelem. |
Usługi platformy Azure AI
Usługi azure AI to kompleksowy zestaw wstępnie utworzonych interfejsów API, które umożliwiają deweloperom i organizacjom szybkie tworzenie inteligentnych, gotowych do rynku aplikacji. Te usługi oferują gotowe do użycia i dostosowywalne interfejsy API i zestawy SDK, które umożliwiają aplikacjom wyświetlanie, słyszenie, mówienie, interpretowanie i interpretowanie potrzeb użytkowników przy minimalnym kodzie, co sprawia, że nie trzeba wprowadzać zestawów danych lub wiedzy z zakresu nauki o danych do trenowania modeli. Do aplikacji można dodawać inteligentne funkcje, takie jak:
- Wizja: wykrywanie obiektów, rozpoznawanie twarzy, optyczne rozpoznawanie znaków (OCR) itd. Aby uzyskać więcej informacji, zobacz przetwarzanie obrazów, Face, Document Intelligence.
- Mowa: zamiana mowy na tekst, zamiana tekstu na mowę, rozpoznawanie osoby mówiącej itd. Aby uzyskać więcej informacji, zobacz Usługa rozpoznawania mowy.
- Język: tłumaczenie, analiza tonacji, wyodrębnianie kluczowych fraz, interpretacja języka itd. Aby uzyskać więcej informacji, zobacz Azure OpenAI Services, Translator, Czytnik immersyjny, Bot Service and Language Services.
- Decyzja: wykrywanie niepożądanej zawartości i podejmowanie świadomych decyzji Dotyczących bezpieczeństwa zawartości.
- Wyszukiwanie i wiedza: korzystanie z funkcji wyszukiwania w chmurze opartego na sztucznej inteligencji i wyszukiwania wiedzy w aplikacjach. Aby uzyskać więcej informacji, zobacz Azure AI Search.
Używanie usług Azure AI do tworzenia aplikacji na różnych urządzeniach i platformach. Interfejsy API są stale udoskonalane i łatwe do skonfigurowania.
| Produkt | opis |
|---|---|
| Type | Interfejsy API do tworzenia inteligentnych aplikacji |
| Obsługiwane języki | Różne opcje w zależności od usługi. Standardowe to C#, Java, JavaScript i Python. |
| Fazy uczenia maszynowego | Wdrożenie |
| Najważniejsze korzyści | Twórz inteligentne aplikacje przy użyciu wstępnie wytrenowanych modeli dostępnych za pośrednictwem interfejsu API REST i zestawu SDK. Różne modele metod komunikacji naturalnej z wizją, mową, językiem i decyzją. Nie jest wymagana minimalna wiedza na temat uczenia maszynowego ani nauki o danych. Skalowalność i elastyczność. Różne modele. |
Uczenie maszynowe SQL
Uczenie maszynowe SQL dodaje analizę statystyczną, wizualizację danych i analizę predykcyjną w języku Python i R na potrzeby danych relacyjnych, zarówno lokalnych, jak i w chmurze. Bieżące platformy i narzędzia obejmują:
- SQL Server Machine Learning Services
- Azure SQL Managed Instance Machine Learning Services
- Uczenie maszynowe w usłudze Azure Synapse Analytics
- Rozszerzenie usługi Machine Learning dla usługi Azure Data Studio
Użyj uczenia maszynowego SQL, gdy potrzebujesz wbudowanej sztucznej inteligencji i analizy predykcyjnej na danych relacyjnych w języku SQL.
| Produkt | opis |
|---|---|
| Type | Lokalna analiza predykcyjna dla danych relacyjnych |
| Obsługiwane języki | Python, R, SQL |
| Fazy uczenia maszynowego | Przygotowywanie danych Trenowanie modelu Wdrożenie |
| Najważniejsze korzyści | Hermetyzowanie logiki predykcyjnej w funkcji bazy danych, co ułatwia uwzględnianie logiki warstwy danych. |
| Zagadnienia do rozważenia | Zakłada, że baza danych SQL jest warstwą danych dla aplikacji. |
Azure AI Foundry
Usługa Azure AI Foundry to ujednolicona platforma do odpowiedzialnego tworzenia i wdrażania aplikacji generacyjnych sztucznej inteligencji i interfejsów API sztucznej inteligencji platformy Azure. Oferuje kompleksowy zestaw funkcji sztucznej inteligencji, uproszczony interfejs użytkownika i środowiska oparte na kodzie, dzięki czemu jest to jednorazowy sklep do tworzenia, testowania, wdrażania i zarządzania inteligentnymi rozwiązaniami. Zaprojektowana w celu ułatwienia deweloperom i analitykom danych wydajnego tworzenia i wdrażania aplikacji generacyjnych sztucznej inteligencji przy użyciu rozbudowanych ofert sztucznej inteligencji platformy Azure, usługa Azure AI Foundry podkreśla odpowiedzialne opracowywanie sztucznej inteligencji z osadzonymi zasadami sprawiedliwości, przejrzystości i odpowiedzialności. Platforma obejmuje narzędzia do wykrywania stronniczości, interpretacji i zachowania prywatności uczenia maszynowego, zapewniając, że modele sztucznej inteligencji są zaawansowane, wiarygodne i zgodne z wymaganiami prawnymi. W ramach ekosystemu Microsoft Azure, Azure AI Foundry dostarcza niezawodne narzędzia i usługi zaspokajające potrzeby związane z różnymi aspektami sztucznej inteligencji i uczenia maszynowego, od przetwarzania języka naturalnego po rozpoznawanie obrazów. Integracja z innymi usługami platformy Azure zapewnia bezproblemową skalowalność i wydajność, dzięki czemu jest idealna dla przedsiębiorstw. Portal usługi Azure AI Foundry wspiera współpracę i innowacje, wspierając środowisko współpracy z funkcjami, takimi jak udostępnione obszary robocze, kontrola wersji i zintegrowane środowiska programistyczne. Dzięki integracji popularnych struktur i narzędzi typu open source usługa Azure AI Foundry przyspiesza proces opracowywania, umożliwiając organizacjom wprowadzanie innowacji i wyprzedzanie konkurencyjnego środowiska sztucznej inteligencji.
| Produkt | opis |
|---|---|
| Type | Ujednolicone środowisko projektowe dla sztucznej inteligencji |
| Obsługiwane języki | Tylko język Python |
| Fazy uczenia maszynowego | Przygotowywanie danych Wdrażanie (modele jako usługa) |
| Najważniejsze korzyści | Ułatwia współpracę i zarządzanie projektami w różnych usługach azure AI. Udostępnia kompleksowe narzędzia do tworzenia, trenowania i wdrażania modeli sztucznej inteligencji. Podkreśla odpowiedzialną sztuczną inteligencję za pomocą narzędzi do wykrywania stronniczości, interpretacji i zachowania prywatności uczenia maszynowego. Obsługuje integrację z popularnymi strukturami i narzędziami typu open source. Obejmuje przepływ microsoft Prompt do tworzenia przepływów pracy opartych na monitach i zarządzania nimi, upraszczając cykl tworzenia aplikacji sztucznej inteligencji obsługiwanych przez duże modele językowe (LLMs). |
Azure Machine Learning Studio
Azure Machine Learning Studio to narzędzie współpracujące z funkcją przeciągania i upuszczania do tworzenia, testowania i wdrażania rozwiązań analizy predykcyjnej na Twoich danych. Jest ona przeznaczona dla analityków danych, inżynierów danych i analityków biznesowych. Usługa Azure Machine Learning Studio obsługuje szeroką gamę algorytmów i narzędzi uczenia maszynowego na potrzeby przygotowywania danych, trenowania modelu i oceny. Udostępnia również interfejs wizualny do łączenia zestawów danych i modułów na interaktywnej kanwie.
| Produkt | opis |
|---|---|
| Type | Narzędzie do współpracy, przeciąganie i upuszczanie na potrzeby uczenia maszynowego |
| Obsługiwane języki | Python, R, Scala i Java (ograniczone środowisko) |
| Fazy uczenia maszynowego | Przygotowywanie danych Trenowanie modelu Wdrożenie |
| Najważniejsze korzyści | Do tworzenia modeli uczenia maszynowego nie jest wymagane kodowanie. Obsługuje szeroką gamę algorytmów i narzędzi uczenia maszynowego na potrzeby przygotowywania danych, trenowania modelu i oceny. Udostępnia interfejs wizualny do łączenia zestawów danych i modułów na interaktywnej kanwie. Obsługuje integrację z usługą Azure Machine Learning na potrzeby zaawansowanych zadań uczenia maszynowego. |
Aby uzyskać skompresowane porównanie usługi Azure Machine Learning Studio i portalu azure AI Foundry, zobacz azure AI Foundry Portal lub Azure Machine Learning Studio. Oto kilka kluczowych różnic między nimi:
| Kategoria | Funkcja | Portal usługi Azure AI Foundry | Azure Machine Learning Studio |
|---|---|---|---|
| Magazyn danych | Rozwiązanie magazynu | Nie. | Tak (system plików w chmurze, OneLake, Azure Storage) |
| Przygotowywanie danych | Integracja danych | Tak (magazyn obiektów blob, OneLake, ADLS) | Tak (kopiowanie i instalowanie przy użyciu kont usługi Azure Storage) |
| Opracowywanie zawartości | Narzędzia oparte na kodzie | Tak (Visual Studio Code (VS Code)) | Tak (notesy, Jupyter, VS Code, R Studio) |
| Języki | Obsługiwane języki | Tylko język Python | Python, R, Scala, Java |
| Szkolenie | AutoML | Nie. | Tak (regresja, klasyfikacja, prognozowanie, CV, NLP) |
| Cele obliczeniowe | Trenowanie zasobów obliczeniowych | Bezserwerowy (MaaS, przepływ monitów) | Klastry Spark, klastry uczenia maszynowego, usługa Azure Arc |
| Generowanie sztucznej inteligencji | Katalog LLM | Tak (Azure OpenAI, przytulanie twarzy, meta) | Tak (Azure OpenAI, przytulanie twarzy, meta) |
| Wdrożenie | Obsługa wsadowa i w czasie rzeczywistym | Czas rzeczywisty (MaaS) | Punkty końcowe usługi Batch, Azure Arc |
| Nadzór | Narzędzia odpowiedzialnej sztucznej inteligencji | Nie. | Tak (pulpit nawigacyjny odpowiedzialnej sztucznej inteligencji) |
Microsoft Fabric
Microsoft Fabric to kompleksowa, ujednolicona platforma do analizy, która łączy wszystkie potrzebne organizacjom narzędzia do analizy i danych. Integruje różne usługi i narzędzia, aby zapewnić bezproblemowe środowisko dla specjalistów ds. danych, w tym inżynierów danych, analityków danych i analityków biznesowych. Usługa Microsoft Fabric oferuje możliwości integracji danych, inżynierii danych, magazynowania danych, nauki o danych, analizy w czasie rzeczywistym i analizy biznesowej.
Użyj usługi Microsoft Fabric, gdy potrzebujesz kompleksowej platformy do zarządzania całym cyklem życia danych, od pozyskiwania do szczegółowych informacji.
| Produkt | opis |
|---|---|
| Type | Ujednolicona platforma analityczna |
| Obsługiwane języki | Python, R, SQL, Scala |
| Fazy uczenia maszynowego | Przygotowywanie danych Trenowanie modelu Wdrożenie Analiza w czasie rzeczywistym |
| Najważniejsze korzyści | Ujednolicona platforma dla wszystkich potrzeb dotyczących danych i analiz. Bezproblemowa integracja z innymi usługi firmy Microsoft. Skalowalne i elastyczne. Obsługuje szeroką gamę narzędzi do analizy i danych. Ułatwia współpracę między różnymi rolami w organizacji. Kompleksowe zarządzanie cyklem życia danych od pozyskiwania do szczegółowych informacji. Funkcje analizy i analizy biznesowej w czasie rzeczywistym. Obsługuje trenowanie i wdrażanie modelu uczenia maszynowego. Integracja z popularnymi platformami i narzędziami uczenia maszynowego. Udostępnia narzędzia do przygotowywania danych i inżynierii cech. Umożliwia wnioskowanie i analizę uczenia maszynowego w czasie rzeczywistym. |
Azure Data Science Virtual Machine
Maszyna wirtualna usługi Azure Nauka o danych to dostosowane środowisko maszyny wirtualnej w chmurze platformy Microsoft Azure. Jest ona dostępna w wersjach dla systemów Windows i Linux Ubuntu. Środowisko jest tworzone specjalnie na potrzeby nauki o danych i opracowywania rozwiązań uczenia maszynowego. Ma wiele popularnych struktur nauki o danych, uczenia maszynowego i innych wstępnie zainstalowanych i wstępnie skonfigurowanych do szybkiego tworzenia inteligentnych aplikacji do zaawansowanej analizy.
Maszyna wirtualna do analizy danych pozwala uruchamiać lub hostować zadania w jednym węźle. Można również jej użyć, gdy trzeba zdalnie skalować w górę przetwarzanie na jednej maszynie.
| Produkt | opis |
|---|---|
| Type | Dostosowane środowisko maszyny wirtualnej na potrzeby nauki o danych |
| Najważniejsze korzyści | Skrócenie czasu instalowania i rozwiązywania problemów z narzędziami i strukturami do nauki o danych oraz zarządzanie nimi. Uwzględniono najnowsze wersje wszystkich powszechnie używanych narzędzi i struktur. Opcje maszyny wirtualnej obejmują wysoce skalowalne obrazy z funkcjami procesora graficznego (GPU) na potrzeby intensywnego modelowania danych. |
| Zagadnienia do rozważenia | Nie można uzyskać dostępu do maszyny wirtualnej w trybie offline. Uruchomienie maszyny wirtualnej powoduje naliczanie opłat za platformę Azure, więc należy zachować ostrożność, aby była uruchomiona tylko wtedy, gdy jest to wymagane. |
Azure Databricks
Azure Databricks to platforma analityczna oparta na platformie Apache Spark zoptymalizowana pod kątem platformy w chmurze Microsoft Azure. Usługa Databricks jest zintegrowana z platformą Azure w celu zapewnienia konfigurowania jednym kliknięciem, usprawnionych przepływów pracy oraz interaktywnego obszaru roboczego, który umożliwia współpracę między analitykami danych, inżynierami danych i analitykami biznesowymi. Użyj kodu języka Python, R, Scala i SQL w notesach opartych na sieci Web do wysyłania zapytań o dane, ich wizualizacji i modelowania.
Użyj usługi Databricks, gdy chcesz współpracować przy tworzeniu rozwiązań w zakresie uczenia maszynowego na platformie Apache Spark.
| Produkt | opis |
|---|---|
| Type | Platforma analityczna bazująca na projekcie Apache Spark |
| Obsługiwane języki | Python, R, Scala i SQL |
| Fazy uczenia maszynowego | Przygotowywanie danych Przetwarzanie wstępne danych Trenowanie modelu Dostrajanie modelu Wnioskowanie modelu Zarządzanie Wdrożenie |
| Najważniejsze korzyści | Konfigurowanie jednym kliknięciem i usprawnione przepływy pracy w celu łatwego użycia. Interaktywny obszar roboczy do współpracy. Bezproblemowa integracja z platformą Azure. Skalowalność do obsługi dużych zestawów danych i intensywnych obliczeń. Obsługa różnych języków i integracji z popularnymi narzędziami. |
ML.NET
ML.NET to platforma uczenia maszynowego typu open source i międzyplatformowa. Dzięki ML.NET można tworzyć niestandardowe rozwiązania uczenia maszynowego i integrować je z aplikacjami platformy .NET. ML.NET oferuje różne poziomy współdziałania z popularnymi platformami, takimi jak TensorFlow i ONNX na potrzeby trenowania i oceniania modeli uczenia maszynowego i uczenia głębokiego. W przypadku zadań intensywnie korzystających z zasobów, takich jak trenowanie modeli klasyfikacji obrazów, można wykorzystać platformę Azure do trenowania modeli w chmurze.
Używaj struktury ML.NET, gdy chcesz integrować rozwiązania uczenia maszynowego z aplikacjami platformy .NET. Wybierz między interfejsem API dla środowiska opartego na kodzie a narzędziem Model Builder lub interfejsem wiersza polecenia w celu uzyskania środowiska z małą ilością kodu.
| Produkt | opis |
|---|---|
| Type | Platforma międzyplatformowa typu open source do tworzenia niestandardowych aplikacji uczenia maszynowego za pomocą platformy .NET |
| Obsługiwane języki | C#, F# |
| Fazy uczenia maszynowego | Przygotowywanie danych Szkolenia Wdrożenie |
| Najważniejsze korzyści | Środowisko nauki o danych i uczenia maszynowego nie jest wymagane Używanie znanych narzędzi (Visual Studio, Microsoft Visual Studio Code) i języków Wdrażanie miejsca uruchamiania platformy .NET Możliwość rozszerzenia Skalowalny Środowisko lokalne po raz pierwszy Automatyczne uczenie maszynowe na potrzeby zadań zautomatyzowanego uczenia maszynowego |
Windows AI
Sztuczna inteligencja systemu Windows ai systemu Windows to zaawansowana platforma, która integruje możliwości sztucznej inteligencji z aplikacjami systemu Windows, wykorzystując mocne strony systemu Windows Machine Learning (WinML) i Direct Machine Learning (DirectMl) w celu zapewnienia lokalnej, w czasie rzeczywistym oceny modelu sztucznej inteligencji i przyspieszania sprzętowego. WinML umożliwia deweloperom integrowanie wytrenowanych modeli uczenia maszynowego bezpośrednio z aplikacjami systemu Windows. Ułatwia ona lokalną, w czasie rzeczywistym ocenę modeli, umożliwiając zaawansowane możliwości sztucznej inteligencji bez konieczności łączności z chmurą.
DirectML to wysokowydajna, przyspieszona sprzętowo platforma do wykonywania modeli uczenia maszynowego. Korzysta on z interfejsu API DirectX w celu zapewnienia zoptymalizowanej wydajności w różnych sprzętach, w tym procesorów GPU i akceleratorów sztucznej inteligencji.
Użyj sztucznej inteligencji systemu Windows, jeśli chcesz używać wytrenowanych modeli uczenia maszynowego w aplikacjach systemu Windows.
| Produkt | opis |
|---|---|
| Type | Aparat wnioskowania dla wytrenowanych modeli na urządzeniach z systemem Windows |
| Fazy uczenia maszynowego | Przygotowywanie danych Trenowanie modelu Wdrożenie |
| Obsługiwane języki | C#/C++, JavaScript |
| Najważniejsze korzyści | Lokalna, w czasie rzeczywistym ocena modelu sztucznej inteligencji Uzyskiwanie wysokiej wydajności przetwarzania sztucznej inteligencji w różnych typach sprzętu, w tym procesorów CPU, procesorów GPU i akceleratorów sztucznej inteligencji Zapewnia spójne zachowanie i wydajność na różnych urządzeniach z systemem Windows. |
SynapseML
SynapseML (wcześniej znany jako MMLSpark) to biblioteka typu open source, która upraszcza tworzenie wysoce skalowalnych potoków uczenia maszynowego. Usługa SynapseML udostępnia interfejsy API dla różnych zadań uczenia maszynowego, takich jak analiza tekstu, przetwarzanie obrazów, wykrywanie anomalii i wiele innych. Usługa SynapseML jest oparta na rozproszonej strukturze obliczeniowej platformy Apache Spark i udostępnia ten sam interfejs API co biblioteka SparkML/MLLib, umożliwiając bezproblemowe osadzanie modeli SynapseML w istniejących przepływach pracy platformy Apache Spark.
Usługa SynapseML dodaje wiele narzędzi do uczenia głębokiego i nauki o danych do ekosystemu platformy Spark, w tym bezproblemową integrację potoków spark Machine Learning z maszyną Light Gradient Boosting Machine (LightGBM), LIME (Model Interpretability) i OpenCV. Za pomocą tych narzędzi można tworzyć zaawansowane modele predykcyjne w dowolnym klastrze Spark, takim jak Azure Databricks lub Kosmiczna platforma Spark.
Usługa SynapseML udostępnia również możliwości sieciowe ekosystemowi platformy Spark. Za pomocą projektu HTTP na platformie Spark użytkownicy mogą osadzać dowolną usługę internetową w swoich modelach SparkML. Ponadto usługa SynapseML zapewnia łatwe w użyciu narzędzia do organizowania usług Azure AI na dużą skalę. W przypadku wdrożenia klasy produkcyjnej projekt Spark Serving umożliwia wysoką przepływność, podmilisekundowe usługi sieci Web wspierane przez klaster Spark.
| Produkt | opis |
|---|---|
| Type | Open source, rozproszona struktura uczenia maszynowego i mikrousług dla platformy Apache Spark |
| Obsługiwane języki | Scala, Java, Python, R i .NET |
| Fazy uczenia maszynowego | Przygotowywanie danych Trenowanie modelu Wdrożenie |
| Najważniejsze korzyści | Skalowalność Przesyłanie strumieniowe i obsługa zgodne Odporność na uszkodzenia |
| Zagadnienia do rozważenia | Wymaga platformy Apache Spark |
Współautorzy
Ten artykuł jest obsługiwany przez firmę Microsoft. Pierwotnie został napisany przez następujących współautorów.
Autorzy zabezpieczeń:
- Mahdi Setayesh | Główny inżynier oprogramowania
Następne kroki
- Dowiedz się więcej o wszystkich produktach programistycznych sztucznej inteligencji dostępnych w witrynie Microsoft: Platforma sztucznej inteligencji firmy Microsoft.
- Uzyskaj szkolenia w zakresie opracowywania rozwiązań sztucznej inteligencji i uczenia maszynowego za pomocą usługi Microsoft: Szkolenie w usłudze Microsoft Learn.
- Dowiedz się więcej o usłudze Microsoft Fabric: Microsoft Fabric.
- Odkryj usługi Azure AI: usługi Azure AI.
- Eksplorowanie usługi Azure Machine Learning: Azure Machine Learning.
- Dowiedz się więcej o usłudze Azure Databricks: Azure Databricks.
- Odkryj usługę Azure Synapse Analytics: Azure Synapse Analytics.
- Zapoznaj się z usługami Azure SQL Managed Instance Machine Learning Services: Azure SQL Managed Instance Machine Learning Services.