Microsoft Machine Learning-producten en -technologieën vergelijken
Meer informatie over de machine learning-producten en -technologieën van Microsoft. Vergelijk opties om u te helpen kiezen hoe u uw machine learning-oplossingen het effectiefst kunt bouwen, implementeren en beheren.
Machine Learning-producten in de cloud
De volgende opties zijn beschikbaar voor machine learning in de Azure-cloud.
| Cloudoptie | Beschrijving | Functies en toepassingen |
|---|---|---|
| Azure Machine Learning | Beheerd platform voor machine learning | Gebruik een vooraf getraind model of train, implementeer en beheer modellen in Azure met behulp van Python en een CLI. Machine Learning bevat functies zoals geautomatiseerde machine learning (AutoML), promptstroom, modelcatalogus en MLflow-integratie. U kunt modelprestaties bijhouden en begrijpen tijdens de productiefase. |
| Microsoft Fabric | Gecentraliseerd analyseplatform | Beheer de volledige levenscyclus van gegevens, van opname tot inzichten, met behulp van een uitgebreid platform dat verschillende services en hulpprogramma's voor gegevensprofessionals integreert, waaronder data engineers, gegevenswetenschappers en bedrijfsanalisten. |
| Azure AI-diensten | Vooraf gemaakte AI-mogelijkheden die worden geïmplementeerd via REST API's en SDK's | Intelligente toepassingen bouwen met behulp van standaardprogrammeertalen. Deze talen roepen API's aan die inferentie bieden. Hoewel u in het ideale geval machine learning- en data science-expertise moet hebben, kunnen technische teams die niet over deze vaardigheden beschikken ook dit platform gebruiken. |
| machine learning-diensten van Azure SQL Managed Instance | Machine learning in de database voor SQL | Modellen trainen en implementeren in SQL Managed Instance. |
| Machine learning in Azure Synapse Analytics | Analyseservice die gebruikmaakt van machine learning | Modellen trainen en implementeren in Azure Synapse Analytics. |
| Azure Databricks | Op Apache Spark gebaseerd analyseplatform | Bouw en implementeer modellen en gegevenswerkstromen door te integreren met opensource-machine learning-bibliotheken en het MLflow-platform. |
On-premises machine learning-product
De volgende optie is beschikbaar voor machine learning on-premises. On-premises servers kunnen ook worden uitgevoerd op een virtuele machine (VM) in de cloud.
| Product op locatie | Beschrijving | Functies en toepassingen |
|---|---|---|
| machine learning-services van SQL Server | Machine learning in de database voor SQL | Train en implementeer modellen in SQL Server met behulp van Python- en R-scripts. |
Ontwikkelplatforms en hulpprogramma's
De volgende ontwikkelplatforms en hulpprogramma's zijn beschikbaar voor machine learning.
| Platform of hulpprogramma | Beschrijving | Functies en toepassingen |
|---|---|---|
| Azure AI Foundry portal | Geïntegreerde ontwikkelomgeving voor AI- en machine learning-scenario's | AI-modellen en -toepassingen ontwikkelen, evalueren en implementeren. De Azure AI Foundry-portal vereenvoudigt samenwerking en projectbeheer in verschillende Azure AI-services. U kunt deze zelfs gebruiken als een algemene omgeving voor meerdere workloadteams. |
| Azure Machine Learning Studio | Hulpprogramma voor samenwerking, slepen en neerzetten voor machine learning | Bouw, test en implementeer predictive analytics-oplossingen met minimale codering. Machine Learning Studio ondersteunt een breed scala aan machine learning-algoritmen en AI-modellen. Het biedt hulpprogramma's voor gegevensvoorbereiding, modeltraining en evaluatie. |
| Azure Data Science Virtual Machine | VM-afbeelding met vooraf geïnstalleerde data science-hulpprogramma's | Gebruik een vooraf geconfigureerde omgeving met hulpprogramma's zoals Jupyter, R en Python om machine learning-oplossingen te ontwikkelen op uw eigen VM's. |
| Microsoft ML.NET | Opensource, platformoverschrijdende machine learning SDK | Ontwikkel machine learning-oplossingen voor .NET-toepassingen. |
| AI voor Windows-apps | Deductie-engine voor getrainde modellen op Windows-apparaten | Integreert AI-mogelijkheden in Windows-toepassingen met behulp van onderdelen zoals WinML- (Windows Machine Learning) en Direct Machine Learning - voor lokale, realtime AI-modelevaluatie en hardwareversnelling. |
| SynapseML | Open source, gedistribueerd machine learning- en microservicesframework voor Apache Spark | Schaalbare machine learning-toepassingen maken en implementeren voor Scala en Python. |
| Machine Learning-extensie voor Azure Data Studio- | Opensource- en platformoverschrijdende machine learning-extensie voor Azure Data Studio | Pakketten beheren, machine learning-modellen importeren, voorspellingen doen en notebooks maken om experimenten voor uw SQL-databases uit te voeren. |
Azure Machine Learning
Machine Learning- is een volledig beheerde cloudservice waarmee u machine learning-modellen op schaal kunt trainen, implementeren en beheren. Het biedt volledige ondersteuning voor opensource-technologieën, zodat u tienduizenden opensource Python-pakketten kunt gebruiken, zoals TensorFlow, PyTorch en scikit-learn.
Uitgebreide hulpprogramma's, zoals rekeninstanties, Jupyter-notebooks, of de azure Machine Learning for Visual Studio Code-extensie (VS Code) zijn ook beschikbaar. De extensie Machine Learning voor VS Code is een gratis extensie waarmee u uw resources en modeltrainingswerkstromen en -implementaties in VS Code kunt beheren. Machine Learning bevat functies waarmee het genereren en afstemmen van modellen met gemak, efficiëntie en nauwkeurigheid wordt geautomatiseerd.
Gebruik Python SDK, Jupyter-notebooks, R en de CLI voor machine learning op cloudschaal. Als u een optie met weinig of geen code wilt gebruiken, gebruikt u Designer- in de studio. Designer helpt u eenvoudig en snel modellen te bouwen, testen en implementeren met behulp van vooraf gemaakte machine learning-algoritmen. Daarnaast kunt u Machine Learning integreren met Azure DevOps en GitHub Actions voor continue integratie en continue implementatie (CI/CD) van machine learning-modellen.
| Machine Learning-functie | Beschrijving |
|---|---|
| Type | Oplossing voor machine learning in de cloud |
| Ondersteunde talen | -Python - R |
| Machine learning-fasen | - Gegevensvoorbereiding - Modeltraining -Implementatie - MLOps of beheer - Verantwoorde AI |
| Belangrijkste voordelen | - Code-first (SDK), studio en mogelijkheden voor het maken van webinterfaces via slepen-en-neerzetten ontwerpen - Centraal beheer van scripts en uitvoeringsgeschiedenis, waardoor het eenvoudig is om modelversies te vergelijken - Eenvoudige implementatie en beheer van modellen naar de cloud- of edge-apparaten - Schaalbare training, implementatie en beheer van machine learning-modellen |
| Overwegingen | Vereist enige bekendheid met het modelbeheermodel. |
Azure AI-services
AI-services is een uitgebreide suite met vooraf gedefinieerde API's waarmee ontwikkelaars en organisaties snel intelligente, marktklare toepassingen kunnen maken. Deze services bieden out-of-the-box en aanpasbare API's en SDK's waarmee uw apps de behoeften van gebruikers met minimale code kunnen zien, horen, spreken, begrijpen en interpreteren. Deze mogelijkheden maken gegevenssets of expertise op het gebied van data science overbodig om modellen te trainen. U kunt intelligente functies toevoegen aan uw apps, zoals:
- Vision: bevat objectdetectie, gezichtsherkenning en optische tekenherkenning. Zie Azure AI Vision, Azure AI Faceen Azure AI Document Intelligencevoor meer informatie.
- Spraak: bevat mogelijkheden voor spraak-naar-tekst, tekst-naar-spraak en sprekerherkenning. Zie Speech-service voor meer informatie.
- Taal: Bevat vertaling, sentimentanalyse, sleuteltermextractie en taalkennis. Zie Azure OpenAI Service, Azure AI Translator, Azure AI Immersive Reader, Bot Framework Composeren Azure AI Languagevoor meer informatie.
- besluitvorming: Ongewenste inhoud detecteren en weloverwogen beslissingen nemen. Zie Azure AI Content Safetyvoor meer informatie.
- Zoeken en kennis: Breng AI-gestuurde cloud zoek- en kennisanalysefuncties naar uw apps. Zie Azure AI Search voor meer informatie.
Ai-services gebruiken om apps te ontwikkelen op verschillende apparaten en platforms. De API's worden continu verbeterd en zijn eenvoudig in te stellen.
| AI-dienstenfunctie | Beschrijving |
|---|---|
| Type | API's voor het bouwen van intelligente toepassingen |
| Ondersteunde talen | Verschillende opties, afhankelijk van de service. De standaardopties zijn C#, Java, JavaScript en Python. |
| Machine learning-fasen | Implementatie |
| Belangrijkste voordelen | - Intelligente toepassingen bouwen met behulp van vooraf getrainde modellen die beschikbaar zijn via REST API en SDK - Gebruik verschillende modellen voor natuurlijke communicatiemethoden met visuele, spraak-, taal- en besluitvormingsmogelijkheden - Er is geen of minimale machine learning- of data science-expertise vereist - De API's zijn schaalbaar en flexibel - U kunt kiezen uit verschillende modellen |
SQL Machine Learning
SQL Machine Learning voegt statistische analyse, gegevensvisualisatie en predictive analytics toe in Python en R voor relationele gegevens, zowel on-premises als in de cloud. Huidige platforms en hulpprogramma's zijn onder andere:
- SQL Server Machine Learning Services-.
- SQL Managed Instance Machine Learning Services.
- Machinaal leren in Azure Synapse Analytics.
- Machine Learning-extensie voor Azure Data Studio.
Gebruik SQL Machine Learning wanneer u ingebouwde AI en predictive analytics nodig hebt voor relationele gegevens in SQL.
| Sql Machine Learning-functie | Beschrijving |
|---|---|
| Type | On-premises predictive analytics voor relationele gegevens |
| Ondersteunde talen | -Python - R -SQL |
| Machine learning-fasen | - Gegevensvoorbereiding - Modeltraining -Implementatie |
| Belangrijkste voordelen | Voorspellende logica in een databasefunctie inkapselen. Met dit proces kunt u eenvoudig logica voor gegevenslagen opnemen. |
| Overwegingen | Stel dat u een SQL-database gebruikt als de gegevenslaag voor uw toepassing. |
Azure AI Foundry
Azure AI Foundry is een geïntegreerd platform dat u kunt gebruiken om generatieve AI-toepassingen en Azure AI-API's op verantwoorde wijze te ontwikkelen en implementeren. Het biedt een uitgebreide set AI-mogelijkheden, een vereenvoudigde gebruikersinterface en code-first-ervaringen. Deze functies maken het een uitgebreid platform voor het bouwen, testen, implementeren en beheren van intelligente oplossingen.
Met Azure AI Foundry kunnen ontwikkelaars en gegevenswetenschappers efficiënt generatieve AI-toepassingen maken en implementeren met behulp van Azure AI-aanbiedingen. Het benadrukt verantwoorde AI-ontwikkeling en sluit principes van billijkheid, transparantie en verantwoordelijkheid in. Het platform bevat hulpprogramma's voor detectie van vooroordelen, interpreteerbaarheid en machine learning met privacybehoud. Deze hulpprogramma's helpen ervoor te zorgen dat AI-modellen krachtig, betrouwbaar en voldoen aan wettelijke vereisten.
Als onderdeel van het Microsoft Azure-ecosysteem biedt Azure AI Foundry robuuste hulpprogramma's en services die voldoen aan verschillende AI- en machine learning-behoeften, waaronder verwerking van natuurlijke taal en computer vision. De integratie met andere Azure-services zorgt voor naadloze schaalbaarheid en prestaties, waardoor het een ideale optie is voor ondernemingen.
De Azure AI Foundry-portal bevordert samenwerking en innovatie door functies zoals gedeelde werkruimten, versiebeheer en geïntegreerde ontwikkelomgevingen te bieden. Door populaire opensource-frameworks en -hulpprogramma's te integreren, versnelt Azure AI Foundry het ontwikkelingsproces, zodat organisaties innovatie kunnen stimuleren en vooruit kunnen blijven in het concurrerende AI-landschap.
| Azure AI Foundry-functie | Beschrijving |
|---|---|
| Type | Geïntegreerde ontwikkelomgeving voor AI |
| Ondersteunde talen | Alleen Python |
| Machine learning-fasen | - Gegevensvoorbereiding - Implementatie (Modellen als een dienst (MaaS)) |
| Belangrijkste voordelen | - Faciliteert samenwerking en projectbeheer in verschillende AI-services - Biedt uitgebreide hulpprogramma's voor het bouwen, trainen en implementeren van AI-modellen - Benadrukt verantwoorde AI door hulpprogramma's te bieden voor detectie van vooroordelen, interpreteerbaarheid en machine learning met privacybehoud - Ondersteunt integratie met populaire opensource-frameworks en hulpprogramma's - Bevat promptstroom voor het maken en beheren van promptgebaseerde werkstromen Promptstroom vereenvoudigt de ontwikkelingscyclus van AI-toepassingen die worden aangedreven door taalmodellen |
Azure Machine Learning Studio
Azure Machine Learning Studio is een samenwerkings drag-and-drop hulpprogramma voor het bouwen, testen en implementeren van oplossingen voor predictive analytics voor uw gegevens. Het is ontworpen voor gegevenswetenschappers, data engineers en bedrijfsanalisten. Machine Learning Studio ondersteunt een breed scala aan machine learning-algoritmen en hulpprogramma's voor gegevensvoorbereiding, modeltraining en evaluatie. Het biedt ook een visuele interface voor het verbinden van gegevenssets en modules op een interactief canvas.
| Machine Learning Studio-functie | Beschrijving |
|---|---|
| Type | Hulpprogramma voor samenwerking, slepen en neerzetten voor machine learning |
| Ondersteunde talen | -Python - R - Scala - Java (beperkte ervaring) |
| Machine learning-fasen | - Gegevensvoorbereiding - Model training -Implementatie |
| Belangrijkste voordelen | - Vereist geen codering voor het bouwen van machine learning-modellen - Ondersteunt een breed scala aan machine learning-algoritmen en hulpprogramma's voor gegevensvoorbereiding, modeltraining en evaluatie - Biedt een visuele interface voor het verbinden van gegevenssets en modules op een interactief canvas - Ondersteunt integratie met Machine Learning voor geavanceerde machine learning-taken |
Zie Azure AI Foundry Portal of Machine Learning Studiovoor een uitgebreide vergelijking van Machine Learning Studio en de Azure AI Foundry-portal. De volgende tabel bevat een overzicht van de belangrijkste verschillen tussen deze tabellen:
| Categorie | Functie | Azure AI Foundry-portaal | Machine Learning Studio |
|---|---|---|---|
| Gegevensopslag | Opslagoplossing | Nee | Ja (cloudbestandssysteem, OneLake, Azure Storage) |
| gegevensvoorbereiding | Gegevensintegratie | Ja (Azure Blob Storage, OneLake, Azure Data Lake Storage) | Ja (kopiëren en koppelen met behulp van Azure-opslagaccounts) |
| Ontwikkeling | Hulpprogramma's voor code-first | Ja (VS Code) | Ja (Notebooks, Jupyter, VS Code, R Studio) |
| Talen | Ondersteunde talen | Alleen Python | Python, R, Scala, Java |
| Training | AutoML | Nee | Ja (regressie, classificatie, prognose, CV, NLP) |
| Reken-doelen | Trainingsreken | Serverloos (MaaS, promptstroom) | Spark-clusters, machine learning-clusters, Azure Arc |
| Generatieve AI | Taalmodelcatalogus | Ja (Azure OpenAI, hugging face, meta) | Ja (Azure OpenAI, hugging face, meta) |
| Implementatie | Realtime en batchverwerking | Realtime (MaaS) | Batch-eindpunten, Azure Arc |
| Governance | Verantwoorde AI-hulpprogramma's | Nee | Ja (Verantwoordelijk AI-dashboard) |
Microsoft Fabric
Fabric is een end-to-end, geïntegreerd analyseplatform dat alle gegevens- en analysehulpprogramma's combineert die organisaties nodig hebben. Het integreert verschillende services en hulpprogramma's om een naadloze ervaring te bieden voor gegevensprofessionals, waaronder data engineers, gegevenswetenschappers en bedrijfsanalisten. Fabric biedt mogelijkheden voor gegevensintegratie, data engineering, datawarehousing, data science, realtime analyses en business intelligence.
Gebruik Fabric wanneer u een uitgebreid platform nodig hebt om uw volledige gegevenslevenscyclus van opname tot inzichten te beheren.
| Fabric-functie | Beschrijving |
|---|---|
| Type | Gecentraliseerd analyseplatform |
| Ondersteunde talen | -Python - R -SQL - Scala |
| Machine learning-fasen | - Gegevensvoorbereiding - Model training -Implementatie - Realtime analyse |
| Belangrijkste voordelen | - Geïntegreerd platform voor alle gegevens- en analysebehoeften - Naadloze integratie met andere Microsoft-services - Schaalbaar en flexibel - Ondersteunt een breed scala aan hulpprogramma's voor gegevens en analyses - Faciliteert samenwerking tussen verschillende rollen in een organisatie - End-to-end gegevenslevenscyclusbeheer van opname tot inzichten - Realtime analyse- en business intelligence-mogelijkheden - Ondersteuning voor machine learning-modeltraining en -implementatie - Integratie met populaire machine learning-frameworks en -hulpprogramma's - Hulpprogramma's voor gegevensvoorbereiding en functie-engineering - Realtime machine learning-inferentie en analyse |
Azure Data Science Virtual Machine
Azure Data Science Virtual Machine is een aangepaste VM-omgeving in de Microsoft Azure-cloud. Het is beschikbaar in versies voor Zowel Windows als Linux Ubuntu. De omgeving is specifiek bedoeld voor het ontwikkelen van data science-taken en machine learning-oplossingen. Het bevat veel populaire data science-functies, machine learning-frameworks en andere hulpprogramma's die vooraf zijn geïnstalleerd en vooraf geconfigureerd, zodat u snel intelligente toepassingen kunt bouwen voor geavanceerde analyses.
Gebruik de Data Science VM wanneer u uw taken op één knooppunt wilt uitvoeren of hosten of als u de verwerking op afstand op één computer wilt opschalen.
| Azure Data Science Virtual Machine-functie | Beschrijving |
|---|---|
| Type | Aangepaste VM-omgeving voor data science |
| Belangrijkste voordelen | - Beperkte tijd voor het installeren, beheren en oplossen van problemen met hulpprogramma's en frameworks voor data science - Bevat de nieuwste versies van veelgebruikte hulpprogramma's en frameworks - Bevat zeer schaalbare afbeeldingen en GPU-mogelijkheden (Graphics Processing Unit) voor intensieve gegevensmodellering |
| Overwegingen | - De virtuele machine kan niet worden geopend wanneer deze offline is. - Voor het uitvoeren van een VIRTUELE machine worden Azure-kosten in rekening gebracht. Zorg er dus voor dat deze alleen wordt uitgevoerd wanneer u deze nodig hebt. |
Azure Databricks
Azure Databricks- is een op Apache Spark gebaseerd analyseplatform dat is geoptimaliseerd voor het Microsoft Azure-cloudplatform. Azure Databricks is geïntegreerd met Azure om eenmalige installatie, gestroomlijnde werkstromen en een interactieve werkruimte te bieden waarmee gegevenswetenschappers, data engineers en bedrijfsanalisten kunnen samenwerken. Gebruik Python-, R-, Scala- en SQL-code in webgebaseerde notebooks om query's uit te voeren op gegevens, gegevens te visualiseren en gegevens te modelleren.
Gebruik Azure Databricks als u wilt samenwerken aan het bouwen van machine learning-oplossingen op Apache Spark.
| Azure Databricks-functie | Beschrijving |
|---|---|
| Type | Op Apache Spark gebaseerd analyseplatform |
| Ondersteunde talen | -Python - R - Scala -SQL |
| Machine learning-fasen | - Gegevensvoorbereiding - Voorverwerking van gegevens - Model training - Modelafstemming - Modelinferentie -Beheer -Implementatie |
| Belangrijkste voordelen | - Installatie met één klik en gestroomlijnde werkstromen voor eenvoudig gebruik - Interactieve werkruimte voor samenwerking - Naadloze integratie met Azure - Schaalbaarheid voor het verwerken van grote gegevenssets en intensieve berekeningen - Ondersteuning voor verschillende talen en integratie met populaire hulpprogramma's |
ML.NET
ML.NET is een opensource-platformoverschrijdend machine learning-framework. Gebruik ML.NET om aangepaste machine learning-oplossingen te bouwen en te integreren in uw .NET-toepassingen. ML.NET biedt verschillende niveaus van interoperabiliteit met populaire frameworks zoals TensorFlow en ONNX voor het trainen en scoren van machine learning- en Deep Learning-modellen. Voor resource-intensieve taken, zoals het trainen van afbeeldingsclassificatiemodellen, kunt u Azure gebruiken om uw modellen in de cloud te trainen.
Gebruik ML.NET wanneer u machine learning-oplossingen in uw .NET-toepassingen wilt integreren. Kies tussen de API voor een code-first-ervaring en Model Builder of de CLI voor een ervaring met weinig code.
| ML.NET functie | Beschrijving |
|---|---|
| Type | Opensource- platformoverschrijdend framework voor het ontwikkelen van aangepaste machine learning-toepassingen met .NET |
| Ondersteunde talen | - C# - F# |
| Machine learning-fasen | - Gegevensvoorbereiding -Opleiding -Implementatie |
| Belangrijkste voordelen | - Geen vereiste voor data science- of machine learning-ervaring - Vertrouwde talen en hulpprogramma's zoals Visual Studio en VS Code - Implementeert de toepassing waar .NET wordt uitgevoerd - Uitbreidbaar en schaalbaar ontwerp - Eerste focus op lokale ervaring - AutoML voor geautomatiseerde machine learning-taken |
AI voor Windows-apps
Gebruik AI voor Windows-apps om AI-mogelijkheden te integreren in Windows-toepassingen Gebruik WinML- en DirectML-mogelijkheden om lokale, realtime AI-modelevaluatie en hardwareversnelling te bieden. Met WinML kunnen ontwikkelaars getrainde machine learning-modellen rechtstreeks integreren in hun Windows-toepassingen. Het vereenvoudigt lokale, realtime evaluatie van modellen en maakt krachtige AI-mogelijkheden mogelijk zonder cloudconnectiviteit.
DirectML is een high-performance, hardware-versneld platform voor het uitvoeren van machine learning-modellen. Er worden DirectX-API's gebruikt om geoptimaliseerde prestaties te bieden voor diverse hardware, waaronder GPU's en AI-accelerators.
Gebruik AI voor Windows-apps als u getrainde machine learning-modellen in uw Windows-toepassingen wilt gebruiken.
| Ai-functie voor Windows-apps | Beschrijving |
|---|---|
| Type | Deductie-engine voor getrainde modellen op Windows-apparaten |
| Ondersteunde talen | - C#/C++ - JavaScript |
| Machine learning-fasen | - Gegevensvoorbereiding - Modeltraining -Implementatie |
| Belangrijkste voordelen | - Lokale, realtime AI-modelevaluatie - Krachtige AI-verwerking in verschillende hardwaretypen, waaronder CPU's, GPU's en AI-accelerators - Consistent gedrag en prestaties voor Windows-hardware |
SynapseML
SynapseML, voorheen MMLSpark genoemd, is een opensource-bibliotheek die het maken van zeer schaalbare machine learning-pijplijnen vereenvoudigt. SynapseML biedt API's voor verschillende machine learning-taken, zoals tekstanalyse, visie en anomaliedetectie. SynapseML is gebouwd op het Apache Spark gedistribueerd computingframework en deelt dezelfde API als de SparkML- en MLlib-bibliotheken, zodat u synapseML-modellen naadloos kunt insluiten in bestaande Apache Spark-werkstromen.
SynapseML voegt veel deep learning- en data science-hulpprogramma's toe aan het Spark-ecosysteem, waaronder naadloze integratie van Spark Machine Learning pijplijnen met Light Gradient Boosting Machine (LightGBM), Local Interpretable Model-Agnostic Explanationsen OpenCV. U kunt deze hulpprogramma's gebruiken om krachtige voorspellende modellen te maken op elk Spark-cluster, zoals Azure Databricks- of Azure Cosmos DB-.
SynapseML biedt ook netwerkmogelijkheden voor het Spark-ecosysteem. Met het HTTP op Spark-project kunnen gebruikers elke webservice insluiten in hun SparkML-modellen. Daarnaast biedt SynapseML eenvoudig te gebruiken hulpprogramma's voor het organiseren van AI-services op schaal. Voor implementatie op productieniveau maakt het Spark Serving-project hoge doorvoer en submilliseconden latentiewebservices mogelijk die worden ondersteund door uw Spark-cluster.
| SynapseML-functie | Beschrijving |
|---|---|
| Type | Open source, gedistribueerd machine learning- en microservicesframework voor Apache Spark |
| Ondersteunde talen | - Scala -Java -Python - R -.NET |
| Machine learning-fasen | - Gegevensvoorbereiding - Modeltraining -Implementatie |
| Belangrijkste voordelen | - Schaalbaarheid - Streamen en serveren compatibel - Hoge fouttolerantie |
| Overwegingen | Vereist Apache Spark |
Medewerkers
Dit artikel wordt onderhouden door Microsoft. De tekst is oorspronkelijk geschreven door de volgende Inzenders.
Belangrijkste auteurs:
- Mahdi Setayesh | Principal Software Engineer
Meld u aan bij LinkedIn als u niet-openbare LinkedIn-profielen wilt zien.
Volgende stappen
- AI-ontwikkelproducten die beschikbaar zijn via Microsoft
- Microsoft Learn-training voor het ontwikkelen van AI- en machine learning-oplossingen
- Hoe Azure Machine Learning werkt