تحرير

مشاركة عبر

الذكاء الاصطناعي على الحافة مع Azure Stack Hub

Azure Container Registry
Azure Kubernetes Service (AKS)
Azure Machine Learning
Azure Stack Hub

أفكار الحل

تصف هذه المقالة فكرة الحل. يمكن لمهندس السحابة الخاص بك استخدام هذه الإرشادات للمساعدة في تصور المكونات الرئيسية لتنفيذ نموذجي لهذه البنية. استخدم هذه المقالة كنقطة بداية لتصميم حل جيد التصميم يتوافق مع المتطلبات المحددة لحمل العمل الخاص بك.

توضح هذه البنية كيف يمكنك إحضار نموذج الذكاء الاصطناعي المدرب إلى الحافة باستخدام Azure Stack Hub ودمجه مع تطبيقاتك للحصول على ذكاء زمن انتقال منخفض.

بناء الأنظمة

رسم تخطيطي للبنية يوضح تطبيقا الذكاء الاصطناعي ممكنا يعمل على الحافة باستخدام Azure Stack Hub.

قم بتنزيل ملف Visio لهذه البنية.

تدفق البيانات

  1. تتم معالجة البيانات باستخدام Azure Data Factory، ليتم وضعها على Azure Data Lake.
  2. يتم وضع البيانات من Azure Data Factory في Azure Data Lake Storage للتدريب.
  3. يقوم علماء البيانات بتدريب نموذج باستخدام Azure التعلم الآلي. يتم تعبئة النموذج في حاوية ووضعه في سجل حاوية Azure.
  4. يتم توزيع النموذج في مجموعة Kubernetes على Azure Stack Hub.
  5. يمكن استخدام تطبيق الويب المحلي لتسجيل البيانات التي يوفرها المستخدم النهائي، للتسجيل مقابل النموذج الذي تم نشره في مجموعة Kubernetes.
  6. يوفر المستخدمون البيانات التي تم تسجيلها مقابل النموذج.
  7. يتم وضع الرؤى والأفكار الشاذة الناتجة عن تسجيل النقاط في قائمة انتظار.
  8. يتم تشغيل تطبيق الوظائف بمجرد وضع معلومات تسجيل النقاط في قائمة الانتظار.
  9. ترسل الدالة البيانات المتوافقة والحالات الشاذة إلى Azure Storage.
  10. تتوفر رؤى ذات صلة ومتوافقة عالميا للاستهلاك في Power BI والتطبيق العالمي.
  11. حلقة الملاحظات: يمكن تشغيل إعادة تدريب النموذج بواسطة جدول زمني. يعمل علماء البيانات على التحسين. يتم توزيع النموذج المحسن ووضعه في حاويات كتحديث لسجل الحاوية.

المكونات

التقنيات الرئيسية المستخدمة لتنفيذ هذه البنية:

  • Azure التعلم الآلي: إنشاء حلول التحليلات التنبؤية ونشرها وإدارتها.
  • Azure Data Factory: استيعاب البيانات في Azure Data Factory.
  • Azure Data Lake Storage: تحميل البيانات إلى Azure Data Lake Storage Gen2 باستخدام Azure Data Factory.
  • Container Registry: تخزين صور الحاوية وإدارتها عبر جميع أنواع عمليات توزيع Azure.
  • Azure Kubernetes Service (AKS): تبسيط توزيع وإدارة وتشغيل Kubernetes.
  • Azure Storage: تخزين سحابي دائم ومتاح بشكل كبير وقابل للتطوير على نطاق واسع.
  • Azure Stack Hub: إنشاء وتشغيل تطبيقات مختلطة مبتكرة عبر حدود السحابة.
  • Azure Functions: وحدة حساب بلا خادم تعتمد على الحدث للمهام عند الطلب التي تعمل دون الحاجة إلى الحفاظ على خادم الحوسبة.
  • Azure App Service: المسار الذي يلتقط بيانات ملاحظات المستخدم النهائي لتمكين تحسين النموذج.

تفاصيل السيناريو

باستخدام أدوات Azure AI، والحافة، والنظام الأساسي السحابي، أصبح ذكاء الحافة ممكناً. يمكن للجيل التالي من التطبيقات المختلطة التي تدعم الذكاء الاصطناعي أن تعمل حيث تعيش بياناتك. باستخدام Azure Stack Hub، قم بإحضار نموذج الذكاء الاصطناعي مدرب إلى الحافة، ودمجه مع تطبيقاتك للحصول على ذكاء منخفض زمن الوصول، واستمر في تقديم تعليقات في نموذج الذكاء الاصطناعي محسّن لدقة محسّنة، من دون أي أداة أو تغييرات عملية لـ التطبيقات المحلية. تظهر فكرة الحل هذه سيناريو Azure Stack Hub متصلا، حيث يتم توصيل تطبيقات الحافة ب Azure. للحصول على إصدار غير متصل من هذا السيناريو، راجع المقالة الذكاء الاصطناعي على الحافة - غير متصل.

حالات الاستخدام المحتملة

هناك مجموعة واسعة من تطبيقات Edge AI التي تراقب المعلومات وتوفرها في الوقت الحقيقي تقريباً. تشمل المجالات التي يمكن أن تساعد فيها Edge AI:

  • عمليات الكشف عن كاميرات المراقبة.
  • تحليل الصور والفيديو (صناعة الإعلام والترفيه).
  • النقل وحركة المرور (صناعة السيارات والتنقل).
  • التصنيع.
  • الطاقة (الشبكات الذكية).

الخطوات التالية

لمزيد من المعلومات حول خدمات Azure المميزة، راجع المقالات والعينات التالية:

راجع البنى ذات الصلة التالية: