Porovnání produktů a technologií strojového učení Microsoftu

  • Článek

Seznamte se s produkty a technologiemi strojového učení od Microsoftu. Porovnejte možnosti, které vám pomůžou zvolit, jak efektivněji sestavovat, nasazovat a spravovat řešení strojového učení.

Cloudové produkty strojového učení

Pro strojové učení v cloudu Azure jsou k dispozici následující možnosti.

Možnosti cloudu Co to je Jaké nabízí možnosti
Azure Machine Learning Spravovaná platforma pro strojové učení Použijte předem natrénovaný model. Můžete také trénovat, nasazovat a spravovat modely v Azure pomocí Pythonu a rozhraní příkazového řádku.
Azure Cognitive Services Předdefinované funkce AI implementované prostřednictvím rozhraní REST API a sad SDK Vytvářejte inteligentní aplikace rychle pomocí standardních programovacích jazyků. Nevyžaduje odborné znalosti strojového učení a datových věd.
Azure SQL Managed Instance Machine Učení Services Strojové učení v databázi pro SQL Trénování a nasazování modelů ve službě Azure SQL Managed Instance
Strojové učení ve službě Azure Synapse Analytics Analytická služba s využitím strojového učení Trénování a nasazování modelů v Azure Synapse Analytics
Strojové učení a AI s ONNX v Azure SQL Edge Strojové učení v SQL v IoT Trénování a nasazování modelů v Azure SQL Edge
Azure Databricks Analytická platforma založená na Apache Sparku Vytvářejte a nasazujte modely a datové pracovní postupy pomocí integrací s opensourcovými knihovnami strojového učení a platformou MLflow .

Místní produkty strojového učení

Pro místní strojové učení jsou k dispozici následující možnosti. Místní servery můžou běžet také na virtuálním počítači v cloudu.

Místní možnosti Co to je Jaké nabízí možnosti
SQL Server Machine Learning Services Strojové učení v databázi pro SQL Trénování a nasazování modelů na SQL Serveru
Machine Učení Services na SQL Serveru clustery pro velký objem dat Strojové učení v clustery pro velký objem dat Trénování a nasazování modelů na SQL Serveru clustery pro velký objem dat

Vývojové platformy a nástroje

Pro strojové učení jsou k dispozici následující vývojové platformy a nástroje.

Platformy/nástroje Co to je Jaké nabízí možnosti
Azure Data Science Virtual Machine Virtuální počítač s předinstalovanými nástroji pro datové vědy Vývoj řešení strojového učení v předkonfigurovaném prostředí
ML.NET Opensourcová sada SDK pro multiplatformní strojové učení Vývoj řešení strojového učení pro aplikace .NET
Strojové učení s Windows Platforma strojového učení s Windows 10 Vyhodnocování trénovaných modelů na zařízení s Windows 10
SynapseML Architektura opensourcových, distribuovaných, strojového učení a mikroslužeb pro Apache Spark Vytváření a nasazování škálovatelných aplikací strojového učení pro Scala a Python
Rozšíření machine Učení pro Azure Data Studio Opensourcové a multiplatformní rozšíření strojového učení pro Azure Data Studio Správa balíčků, import modelů strojového učení, vytváření předpovědí a vytváření poznámkových bloků pro spouštění experimentů pro databáze SQL

Azure Machine Learning

Azure Machine Učení je plně spravovaná cloudová služba, která se používá k trénování, nasazování a správě modelů strojového učení ve velkém měřítku. Plně podporuje open source technologie, takže můžete používat desítky tisíc volně dostupných balíčků Pythonu, například TensorFlow, PyTorch a scikit-learn. K dispozici jsou také bohaté nástroje, jako jsou výpočetní instance, poznámkové bloky Jupyter nebo rozšíření Azure Machine Učení for Visual Studio Code, bezplatné rozšíření, které umožňuje spravovat prostředky, pracovní postupy trénování modelů a nasazení v editoru Visual Studio Code. Azure Machine Učení zahrnuje funkce, které automatizují generování a ladění modelů s lehkostí, efektivitou a přesností.

Použití sady Python SDK, poznámkových bloků Jupyter, R a rozhraní příkazového řádku pro strojové učení v cloudovém měřítku V případě možnosti s nízkým kódem nebo bez kódu můžete pomocí interaktivního návrháře Azure Machine Učení v sadě Studio snadno a rychle vytvářet, testovat a nasazovat modely pomocí předem připravených algoritmů strojového učení.

Vyzkoušejte si Azure Machine Učení zdarma.

Položka Popis
Typ Cloudové řešení strojového učení
Podporované jazyky Python, R
Fáze strojového učení Trénování modelu
Nasazení
MLOps/správa
Klíčové výhody Kód first (SDK) a studio a možnosti vytváření webového rozhraní návrháře přetahování myší

Centrální správa skriptů a historie spuštění, což usnadňuje porovnání verzí modelu.

Snadné nasazení a správa modelů do cloudových nebo hraničních zařízení
Důležité informace Vyžaduje určitou znalost modelu správy modelů.

Služby Azure AI

Služby Azure AI jsou sadou předem připravených rozhraní API, která umožňují vytvářet aplikace, které používají přirozené metody komunikace. Pojem předem sestavený naznačuje, že při trénování modelů, které se mají ve vašich aplikacích používat, nemusíte vytrénovat datové sady ani odborné znalosti datových věd. To vše je hotové pro vás a zabalené jako rozhraní API a sady SDK, které umožňují vašim aplikacím zobrazit, slyšet, mluvit, rozumět a interpretovat potřeby uživatelů pomocí několika řádků kódu. Do svých aplikací můžete snadno přidávat inteligentní funkce, například:

Pomocí služeb Azure AI můžete vyvíjet aplikace na různých zařízeních a platformách. Rozhraní API se neustále zlepšují a je snadné je nastavit.

Položka Popis
Typ Rozhraní API pro vytváření inteligentních aplikací
Podporované jazyky Různé možnosti v závislosti na službě. Standardní jsou C#, Java, JavaScript a Python.
Fáze strojového učení Nasazení
Klíčové výhody Vytvářejte inteligentní aplikace pomocí předem natrénovaných modelů dostupných prostřednictvím rozhraní REST API a sady SDK.
Různé modely pro přirozené komunikační metody s využitím zraku, řeči, jazyka a rozhodování.
Nevyžaduje se žádné znalosti strojového učení ani datových věd.

Strojové učení SQL

Strojové učení SQL přidává statistické analýzy, vizualizace dat a prediktivní analýzy v Pythonu a R pro relační data, a to jak místně, tak i v cloudu. Mezi aktuální platformy a nástroje patří:

Strojové učení SQL použijte, když potřebujete integrovanou AI a prediktivní analýzu relačních dat v SQL.

Položka Popis
Typ Místní prediktivní analýzy relačních dat
Podporované jazyky Python, R, SQL
Fáze strojového učení Příprava dat
Trénování modelu
Nasazení
Klíčové výhody Zapouzdření prediktivní logiky do databázové funkce usnadňuje zahrnutí do logiky datové vrstvy.
Důležité informace Předpokládá databázi SQL jako datovou vrstvu vaší aplikace.

Azure Data Science Virtual Machine

Virtuální počítač Azure Datová Věda je přizpůsobené prostředí virtuálního počítače v cloudu Microsoft Azure. Je k dispozici ve verzích pro Windows i Linux Ubuntu. Prostředí je vytvořené speciálně pro práci s datovými vědami a vývoj řešení strojového učení. Má mnoho oblíbených architektur pro datové vědy, strojové učení a další nástroje předinstalované a předem nakonfigurované, aby bylo možné začít vytvářet inteligentní aplikace pro pokročilou analýzu.

Data Science VM použijte, když potřebujete spustit nebo hostovat úlohy v jednom uzlu. nebo když potřebujete vzdáleně vertikálně navýšit kapacitu zpracování v jednom počítači.

Položka Popis
Typ Přizpůsobené prostředí virtuálních počítačů pro datové vědy
Klíčové výhody Kratší doba instalace, správy a řešení potíží s nástroji a architekturami datových věd

Součástí jsou nejnovější verze všech běžně používaných nástrojů a architektur.

Možnosti virtuálních počítačů zahrnují vysoce škálovatelné image s funkcemi grafického procesoru (GPU) pro modelování náročných dat.
Důležité informace K virtuálnímu počítači není možné získat přístup při offline režimu.

Při spuštění virtuálního počítače se účtují poplatky za Azure, takže musíte být opatrní, abyste ho měli spuštěný jenom v případě potřeby.

Azure Databricks

Azure Databricks je analytická platforma založená na Apache Sparku optimalizovaná pro cloudovou platformu Microsoft Azure. Platforma Databricks poskytuje díky integraci s Azure nastavení jedním kliknutím, zjednodušené pracovní postupy a interaktivní pracovní prostor, který umožňuje spolupráci mezi datovými vědci, odborníky přes data a obchodními analytiky. Pomocí kódu Python, R, Scala a SQL ve webových poznámkových blocích můžete u dat zadávat dotazy, vizualizovat je a modelovat.

Databricks použijte, pokud chcete na sestavování řešení strojového učení spolupracovat na platformě Apache Spark.

Položka Popis
Typ Analytická platforma založená na Apache Sparku
Podporované jazyky Python, R, Scala, SQL
Fáze strojového učení Příprava dat
Předběžné zpracování dat
Trénování modelu
Ladění modelů
Odvozování modelů
Správa
Nasazení

ML.NET

ML.NET je opensourcová architektura strojového učení pro různé platformy. S ML.NET můžete vytvářet vlastní řešení strojového učení a integrovat je do svých aplikací .NET. ML.NET nabízí různé úrovně interoperability s oblíbenými architekturami, jako jsou TensorFlow a ONNX pro trénování a bodování modelů strojového učení a hlubokého učení. U úloh náročných na prostředky, jako jsou trénování modelů klasifikace obrázků, můžete využít Azure k trénování modelů v cloudu.

ML.NET použijte, pokud chcete řešení pro strojové učení integrovat do svých aplikací .NET. Můžete si vybrat mezi rozhraním API pro prostředí pro první kód a Tvůrcem modelů nebo rozhraním příkazového řádku pro prostředí s nízkým kódem.

Položka Popis
Typ Opensourcová multiplatformní architektura pro vývoj vlastních aplikací strojového učení pomocí .NET
Podporované jazyky C#, F#
Fáze strojového učení Příprava dat
Školení
Nasazení
Klíčové výhody Prostředí pro datové vědy a strojové učení se nevyžaduje
Použití známých nástrojů (Visual Studio, Microsoft Visual Studio Code) a jazyků
Nasazení, kde běží .NET
Rozšiřitelný
Škálovatelné
Prostředí místního prostředí

Strojové učení s Windows

Modul pro odvozování strojového učení ve Windows umožňuje používat vytrénované modely strojového učení v aplikacích a vyhodnocovat natrénované modely místně na zařízeních s Windows 10.

Strojové učení s Windows použijte, když chcete v aplikacích pro Windows používat natrénované modely strojového učení.

Položka Popis
Typ Modul pro odvozování pro natrénované modely na zařízeních s Windows
Podporované jazyky C#/C++, JavaScript

SynapseML

SynapseML (dříve označovaná jako MMLSpark) je opensourcová knihovna, která zjednodušuje vytváření široce škálovatelných kanálů strojového učení. SynapseML poskytuje rozhraní API pro různé úlohy strojového učení, jako je analýza textu, zpracování obrazu, detekce anomálií a mnoho dalších. SynapseML je založená na architektuře distribuovaného výpočetního prostředí Apache Spark a sdílí stejné rozhraní API jako knihovna SparkML/MLLib, která umožňuje bezproblémově vkládat modely SynapseML do stávajících pracovních postupů Apache Sparku.

SynapseML přidává do ekosystému Spark mnoho nástrojů pro hluboké učení a datové vědy, včetně bezproblémové integrace kanálů sparkových Učení s využitím light gradient boosting machine (LightGBM), LIME (Interpretability modelu) a OpenCV. Tyto nástroje můžete použít k vytváření výkonných prediktivních modelů v jakémkoli clusteru Spark, jako je Azure Databricks nebo Spark.

SynapseML také přináší síťové funkce ekosystému Spark. Pomocí protokolu HTTP v projektu Spark můžou uživatelé do svých modelů SparkML vkládat libovolnou webovou službu. SynapseML navíc poskytuje snadno použitelné nástroje pro orchestraci služeb Azure AI ve velkém měřítku. Pro nasazení na úrovni produkčního prostředí projekt obsluhy Sparku umožňuje vysokou propustnost webových služeb s nízkou latencí v milisekundách, které využívají váš cluster Spark.

Položka Popis
Typ Open source, distribuovaná architektura strojového učení a mikroslužeb pro Apache Spark
Podporované jazyky Scala 2.11, Java, Python 3.5+, R (beta verze)
Fáze strojového učení Příprava dat
Trénování modelu
Nasazení
Klíčové výhody Škálovatelnost
Kompatibilní streamování a obsluha
Odolnost proti chybám
Důležité informace Vyžaduje Apache Spark.

Přispěvatelé

Tento článek spravuje Microsoft. Původně byla napsána následujícími přispěvateli.

Hlavní autor:

Další kroky

  • Další informace o všech vývojových produktech umělé inteligence (AI) dostupných od Microsoftu najdete na platformě Microsoft AI.
  • Školení k vývoji řešení Učení umělé inteligence a strojového Učení s Microsoftem najdete v tématu Školení k Microsoft Learn.