Share via

Membandingkan produk dan teknologi pembelajaran mesin Microsoft

  • Artikel

Pelajari tentang produk dan teknologi pembelajaran mesin dari Microsoft. Bandingkan opsi untuk membantu Anda memilih cara paling efektif membangun, menyebarkan, dan mengelola solusi pembelajaran mesin Anda.

Produk pembelajaran mesin berbasis cloud

Opsi berikut tersedia untuk pembelajaran mesin di cloud Azure.

Opsi cloud Apa fungsinya Apa yang dapat Anda lakukan dengan itu
Pembelajaran Mesin Azure Platform terkelola untuk pembelajaran mesin Gunakan model yang sudah terlatih. Atau, melatih, menyebarkan, dan mengelola model di Azure menggunakan Python dan CLI
Azure Cognitive Services Kemampuan AI bawaan yang diimplementasikan melalui REST API dan SDK Bangun aplikasi cerdas dengan cepat menggunakan bahasa pemrograman standar. Tidak memerlukan pembelajaran mesin dan keahlian ilmu data
Layanan Pembelajaran Mesin Azure SQL Managed Instance Pembelajaran mesin dalam database untuk SQL Melatih dan menyebarkan model di dalam Azure SQL Managed Instance
Pembelajaran mesin di Azure Synapse Analytics Layanan Analytics dengan pembelajaran mesin Melatih dan menyebarkan model di dalam Azure Synapse Analytics
Pembelajaran mesin dan AI dengan ONNX di Azure SQL Edge Pembelajaran mesin dalam SQL di IoT Melatih dan menyebarkan model di dalam Azure SQL Edge
Azure Databricks Platform analitik berbasis Apache Spark Membangun dan menyebarkan model dan alur kerja data menggunakan integrasi dengan pustaka pembelajaran mesin sumber terbuka dan platform MLflow .

Produk pembelajaran mesin lokal

Opsi berikut tersedia untuk pembelajaran mesin di lingkungan lokal. Server lokal juga dapat berjalan di mesin virtual di cloud.

Opsi lokal Apa fungsinya Apa yang dapat Anda lakukan dengan itu
Layanan Pembelajaran Mesin SQL Server Pembelajaran mesin dalam database untuk SQL Melatih dan menyebarkan model di dalam SQL Server
Layanan Pembelajaran Mesin di Kluster Big Data SQL Server Pembelajaran mesin di Kluster Big Data Melatih dan menyebarkan model di Kluster Big Data SQL Server

Platform dan alat pengembangan

Platform dan alat pengembangan berikut tersedia untuk pembelajaran mesin.

Platform/alat Apa fungsinya Apa yang dapat Anda lakukan dengan itu
Mesin Virtual Ilmu Data Azure Mesin virtual dengan alat ilmu data yang sudah diinstal sebelumnya Mengembangkan solusi pembelajaran mesin di lingkungan yang telah dikonfigurasi sebelumnya
ML.NET SDK pembelajaran mesin lintas platform sumber terbuka Mengembangkan solusi pembelajaran mesin untuk aplikasi .NET
Pembelajaran mesin Windows Platform pembelajaran mesin Windows 10 Mengevaluasi model terlatih pada perangkat Windows 10
SynapseML Kerangka kerja sumber terbuka, terdistribusi, pembelajaran mesin, dan layanan mikro untuk Apache Spark Buat dan sebarkan aplikasi pembelajaran mesin yang skalabel untuk Scala dan Python.
Ekstensi Pembelajaran Mesin untuk Azure Data Studio Ekstensi pembelajaran mesin sumber terbuka dan lintas platform untuk Azure Data Studio Kelola paket, impor model pembelajaran mesin, buat prediksi, dan buat buku catatan untuk menjalankan eksperimen untuk database SQL Anda

Pembelajaran Mesin Azure

Azure Machine Learning adalah layanan cloud terkelola sepenuhnya yang digunakan untuk melatih, menyebarkan, dan mengelola model pembelajaran mesin dalam skala besar. Ini sepenuhnya mendukung teknologi sumber terbuka, sehingga Anda dapat menggunakan puluhan ribu paket Python sumber terbuka seperti TensorFlow, PyTorch, dan scikit-learn. Alat yang kaya juga tersedia, seperti Instans Compute, Buku catatan Jupyter, atau ekstensi Azure Machine Learning untuk Visual Studio Code, ekstensi gratis yang memungkinkan Anda untuk mengelola sumber daya, alur kerja pelatihan model, dan penyebaran di Visual Studio Code. Azure Machine Learning mencakup fitur yang mengotomatiskan pembuatan dan penyetelan model dengan mudah, efisien, dan akurat.

Gunakan SDK Python, buku catatan Jupyter, R, dan CLI untuk pembelajaran mesin pada skala cloud. Untuk opsi kode rendah atau tanpa kode, gunakan perancang interaktif Azure Machine Learning di studio untuk membuat, menguji, dan menyebarkan model dengan mudah dan cepat menggunakan algoritme pembelajaran mesin yang dibuat sebelumnya.

Cobalah Azure Machine Learning secara gratis.

Item Deskripsi
Jenis Solusi pembelajaran mesin berbasis cloud
Bahasa yang didukung Python, R
Fase pembelajaran mesin Pelatihan model
Penyebaran
MLOps/Manajemen
Manfaat utama Kode pertama (SDK) dan studio dan opsi penulisan antarmuka web desainer seret dan letakkan.

Manajemen pusat skrip dan menjalankan sejarah, sehingga mudah untuk membandingkan versi model.

Penyebaran dan pengelolaan model yang mudah ke perangkat cloud atau edge.
Pertimbangan Memerlukan beberapa keakraban dengan model manajemen model.

Layanan Azure AI

Layanan Azure AI adalah sekumpulan API bawaan yang memungkinkan Anda membangun aplikasi yang menggunakan metode komunikasi alami. Istilah yang dibuat sebelumnya menunjukkan bahwa Anda tidak perlu membawa himpunan data atau keahlian ilmu data untuk melatih model yang akan digunakan dalam aplikasi Anda. Itu semua dilakukan untuk Anda dan dikemas sebagai API dan SDK yang memungkinkan aplikasi Anda melihat, mendengar, berbicara, memahami, dan menafsirkan kebutuhan pengguna hanya dengan beberapa baris kode. Anda dapat dengan mudah menambahkan fitur cerdas ke aplikasi Anda, seperti:

  • Visi: Deteksi objek, pengenalan wajah, pengenalan karakter optik (OCR), dan sebagainya. Untuk informasi selengkapnya, lihat Computer Vision, Face, Azure AI Document Intelligence.
  • Ucapan: Ucapan ke teks, teks ke ucapan, Pengenalan Pembicara, dan sebagainya. Untuk informasi selengkapnya, lihat Layanan ucapan.
  • Bahasa: Terjemahan, Analisis sentimen, ekstraksi frasa kunci, pemahaman bahasa, dan sebagainya. Lihat Penerjemah, Analitik Teks, Pemahaman Bahasa, QnA Maker
  • Keputusan: Deteksi anomali, moderasi konten, pembelajaran penguatan. Untuk informasi selengkapnya, lihat Detektor Anomali, Moderator Konten, Personalizer.

Gunakan layanan Azure AI untuk mengembangkan aplikasi di seluruh perangkat dan platform. API terus meningkat, dan mudah disiapkan.

Item Deskripsi
Jenis API untuk membangun aplikasi cerdas
Bahasa yang didukung Berbagai pilihan bergantung pada layanan. Versi standarnya adalah C#, Java, JavaScript, dan Python.
Fase pembelajaran mesin Penyebaran
Manfaat utama Bangun aplikasi cerdas menggunakan model terlatih yang tersedia melalui REST API dan SDK.
Berbagai model untuk metode komunikasi alami dengan visi, ucapan, bahasa, dan keputusan.
Tidak diperlukan pembelajaran mesin atau keahlian ilmu data.

Pembelajaran mesin SQL

Pembelajaran mesin SQL menambahkan analisis statistik, visualisasi data, dan analisis prediktif dalam Python dan R untuk data relasional, baik di lingkungan lokal maupun di cloud. Platform dan alat saat ini meliputi:

Gunakan pembelajaran mesin SQL saat Anda membutuhkan AI bawaan dan analisis prediktif pada data relasional dalam SQL.

Item Deskripsi
Jenis Analisis prediktif lokal untuk data relasional
Bahasa yang didukung Python, R, SQL
Fase pembelajaran mesin Penyiapan data
Pelatihan model
Penyebaran
Manfaat utama Enkapsulasi logika prediktif dalam fungsi database, sehingga mudah untuk disertakan dalam logika tingkat data.
Pertimbangan Mengasumsikan database SQL sebagai tingkat data untuk aplikasi Anda.

Mesin Virtual Ilmu Data Azure

Mesin Virtual Ilmu Data Azure adalah lingkungan mesin virtual yang disesuaikan di cloud Microsoft Azure. Ini tersedia dalam versi untuk Windows dan Linux Ubuntu. Lingkungan ini dibangun khusus untuk melakukan ilmu data dan mengembangkan solusi pembelajaran mesin. Ini memiliki banyak ilmu data populer, kerangka kerja pembelajaran mesin, dan alat lain yang telah diinstal sebelumnya dan telah dikonfigurasi sebelumnya untuk memulai membangun aplikasi cerdas untuk analitik tingkat lanjut.

Gunakan VM Ilmu Data saat Anda perlu menjalankan atau menghosting pekerjaan Anda di satu node. Atau jika Anda perlu meningkatkan skala pemrosesan Anda dari jarak jauh pada satu mesin.

Item Deskripsi
Jenis Lingkungan mesin virtual yang disesuaikan untuk ilmu data
Manfaat utama Mengurangi waktu untuk menginstal, mengelola, dan memecahkan masalah alat dan kerangka kerja ilmu data.

Versi terbaru dari semua alat dan kerangka kerja yang umum digunakan disertakan.

Opsi komputer virtual mencakup gambar yang sangat dapat diskalakan dengan kemampuan unit pemrosesan grafis (GPU) untuk pemodelan data intensif.
Pertimbangan Mesin virtual tidak dapat diakses saat offline.

Menjalankan mesin virtual dikenakan biaya Azure, jadi Anda harus berhati-hati untuk menjalankannya hanya saat diperlukan.

Azure Databricks

Azure Databricks adalah platform analitik berbasis Apache Spark yang dioptimalkan untuk platform cloud Microsoft Azure. Databricks terintegrasi dengan Azure untuk menyediakan pengaturan sekali klik, alur kerja yang disederhanakan, dan ruang kerja interaktif yang memungkinkan kolaborasi antara ilmuwan data, teknisi data, dan analis bisnis. Gunakan kode Python, R, Scala, dan SQL di buku catatan berbasis web untuk membuat kueri, memvisualisasikan, dan memodelkan data.

Gunakan Databricks saat Anda ingin berkolaborasi dalam membangun solusi pembelajaran mesin di Apache Spark.

Item Deskripsi
Jenis Platform analitik berbasis Apache Spark
Bahasa yang didukung Python, R, Scala, SQL
Fase pembelajaran mesin Penyiapan data
Praproses data
Pelatihan model
Penyetelan model
Inferensi model
Manajemen
Penyebaran

ML.NET

ML.NET adalah kerangka kerja pembelajaran mesin sumber terbuka dan lintas platform. Dengan ML.NET, Anda dapat membuat solusi pembelajaran mesin kustom dan mengintegrasikannya ke dalam aplikasi .NET Anda. ML.NET menawarkan berbagai tingkat interoperabilitas dengan kerangka kerja populer seperti TensorFlow dan ONNX untuk pelatihan dan penilaian pembelajaran mesin dan model pembelajaran mendalam. Untuk tugas intensif sumber daya seperti melatih model klasifikasi gambar, Anda dapat memanfaatkan Azure untuk melatih model Anda di cloud.

Gunakan ML.NET saat Anda ingin mengintegrasikan solusi pembelajaran mesin ke dalam aplikasi .NET Anda. Pilih antara API untuk pengalaman kode pertama dan Model Builder atau CLI untuk pengalaman kode rendah.

Item Deskripsi
Jenis Kerangka kerja lintas platform sumber terbuka untuk mengembangkan aplikasi pembelajaran mesin kustom dengan .NET
Bahasa yang didukung C#, F#
Fase pembelajaran mesin Penyiapan data
Pelatihan
Penyebaran
Manfaat utama Pengalaman ilmu data dan pembelajaran mesin tidak diperlukan
Menggunakan alat yang sudah dikenal (Visual Studio, Microsoft Visual Studio Code) dan bahasa
Menyebarkan di tempat .NET berjalan
Dapat diperpanjang
Dapat diskalakan
Pengalaman lokal-pertama

Pembelajaran mesin Windows

Mesin inferensi pembelajaran mesin Windows memungkinkan Anda menggunakan model pembelajaran mesin terlatih dalam aplikasi Anda, mengevaluasi model terlatih secara lokal di perangkat Windows 10.

Gunakan pembelajaran mesin Windows saat Anda ingin menggunakan model pembelajaran mesin terlatih dalam aplikasi Windows Anda.

Item Deskripsi
Jenis Mesin inferensi untuk model terlatih di perangkat Windows
Bahasa yang didukung C#/C++, JavaScript

SynapseML

SynapseML (sebelumnya dikenal sebagai MMLSpark) adalah pustaka sumber terbuka yang menyederhanakan pembuatan alur pembelajaran mesin yang dapat diskalakan secara besar-besaran. SynapseML menyediakan API untuk berbagai tugas pembelajaran mesin yang berbeda seperti analitik teks, visi, deteksi anomali, dan banyak lainnya. SynapseML dibangun pada kerangka kerja komputasi terdistribusi Apache Spark dan berbagi API yang sama dengan pustaka SparkML/MLLib, memungkinkan Anda menyematkan model SynapseML dengan mulus ke dalam alur kerja Apache Spark yang ada.

SynapseML menambahkan banyak alat pembelajaran mendalam dan ilmu data ke ekosistem Spark, termasuk integrasi alur Spark Pembelajaran Mesin yang mulus dengan Light Gradient Boosting Machine (LightGBM), LIME (Interpretabilitas Model), dan OpenCV. Anda dapat menggunakan alat ini untuk membuat model prediktif yang andal pada kluster Spark mana pun, seperti Azure Databricks atau Cosmic Spark.

SynapseML juga membawa kemampuan jaringan ke ekosistem Spark. Dengan proyek HTTP pada Spark, pengguna dapat menyematkan layanan web apa pun ke dalam model SparkML mereka. Selain itu, SynapseML menyediakan alat yang mudah digunakan untuk mengatur layanan Azure AI dalam skala besar. Untuk penyebaran tingkat produksi, proyek Spark Serving memungkinkan throughput tinggi, layanan web latensi submilidetik, yang didukung oleh kluster Spark Anda.

Item Deskripsi
Jenis Kerangka kerja pembelajaran mesin dan layanan mikro sumber terbuka dan terdistribusi untuk Apache Spark
Bahasa yang didukung Scala 2.11, Java, Python 3.5+, R (beta)
Fase pembelajaran mesin Penyiapan data
Pelatihan model
Penyebaran
Manfaat utama Skalabilitas
Kompatibel untuk Streaming + Serving
Toleransi kesalahan
Pertimbangan Membutuhkan Apache Spark

Kontributor

Artikel ini dikelola oleh Microsoft. Ini awalnya ditulis oleh kontributor berikut.

Penulis utama:

Langkah berikutnya

  • Untuk mempelajari tentang semua produk pengembangan Kecerdasan Buatan (AI) yang tersedia dari Microsoft, lihat platform AI Microsoft.
  • Untuk pelatihan dalam mengembangkan AI dan solusi Pembelajaran Mesin dengan Microsoft, lihat Pelatihan Microsoft Learn.