Comparar produtos e tecnologias de machine learning da Microsoft

2025-04-14

Saiba mais sobre os produtos e as tecnologias de aprendizado de máquina da Microsoft. Compare as opções e escolha como criar, implantar e gerenciar suas soluções de aprendizado de máquina com mais eficiência.

Produtos de aprendizado de máquina baseados em nuvem

As seguintes opções estão disponíveis para o aprendizado de máquina na nuvem do Azure.

Opção de nuvem	Descrição	Recursos e usos
Azure Machine Learning	Plataforma gerenciada para aprendizado de máquina	Use um modelo pré-treinado ou treine, implante e gerencie modelos no Azure usando Python e uma CLI. O Machine Learning inclui recursos como AutoML (machine learning automatizado), catálogo de modelos e integração de MLflow. Você pode acompanhar e entender o desempenho do modelo durante o estágio de produção.
Microsoft Fabric	Plataforma de análise unificada	Gerencie todo o ciclo de vida de dados, da ingestão a insights, usando uma plataforma abrangente que integra vários serviços e ferramentas para profissionais de dados, incluindo engenheiros de dados, cientistas de dados e analistas de negócios.
Serviços de IA do Azure	Recursos de IA predefinidos que são implementados por meio de APIs REST e SDKs	Crie aplicativos inteligentes usando linguagens de programação padrão. Essas linguagens chamam APIs que fornecem inferência. Embora o ideal seja ter experiência em machine learning e ciência de dados, as equipes de engenharia que não têm essas habilidades também podem adotar essa plataforma.
Serviços de machine learning da Instância Gerenciada de SQL do Azure	Aprendizado de máquina no banco de dados para SQL	Treinar e implantar modelos dentro da Instância Gerenciada de SQL.
Aprendizado de máquina no Azure Synapse Analytics	Serviço de análise que usa machine learning	Treinar e implantar modelos dentro do Azure Synapse Analytics.
Azure Databricks	Plataforma de análise com base no Apache Spark	Crie e implante modelos e fluxos de trabalho de dados integrando-se às bibliotecas de machine learning de software livre e à plataforma MLflow .

Produto de aprendizado de máquina local

A opção a seguir está disponível para aprendizado de máquina local. Os servidores locais também podem ser executados em uma VM (máquina virtual) na nuvem.

Produto no local	Descrição	Recursos e usos
Serviços de machine learning do SQL Server	Aprendizado de máquina no banco de dados para SQL	Treine e implante modelos dentro do SQL Server usando scripts Python e R.

Plataformas e ferramentas de desenvolvimento

As plataformas e ferramentas de desenvolvimento a seguir estão disponíveis para aprendizado de máquina.

Plataforma ou ferramenta	Descrição	Recursos e usos
Portal do Azure AI Foundry	Ambiente de desenvolvimento unificado para cenários de IA e machine learning	Desenvolva, avalie e implante modelos e aplicativos de IA. O portal do Azure AI Foundry facilita a colaboração e o gerenciamento de projetos em vários serviços de IA do Azure. Você pode até usá-lo como um ambiente comum em várias equipes de carga de trabalho.
Estúdio do Azure Machine Learning	Ferramenta colaborativa de arrastar e soltar para aprendizado de máquina	Crie, teste e implante soluções de análise preditiva usando codificação mínima. O Machine Learning Studio dá suporte a uma ampla gama de algoritmos de aprendizado de máquina e modelos de IA. Ele fornece ferramentas para preparação de dados, treinamento de modelo e avaliação.
Máquina Virtual de Ciência de Dados do Azure	Imagem de VM que inclui ferramentas de ciência de dados pré-instaladas	Use um ambiente pré-configurado com ferramentas como Jupyter, R e Python para desenvolver soluções de machine learning em suas próprias VMs.
Microsoft ML.NET	SDK de aprendizado de máquina de plataforma cruzada e de código aberto	Desenvolva soluções de aprendizado de máquina para aplicativos .NET.
IA para aplicativos do Windows	Mecanismo de inferência para modelos treinados em dispositivos Windows	Integra os recursos de IA em aplicativos do Windows usando componentes como o WinML (Windows Machine Learning) e o Direct Machine Learning (Direct Learning) para avaliação de modelo de IA local em tempo real e aceleração de hardware.
SynapseML	Estrutura distribuída e de código aberto de aprendizado de máquina e microsserviços para Apache Spark	Criar e implantar aplicativos de aprendizado de máquina escalonáveis para Scala e Python.
Extensão de machine learning para o Azure Data Studio	Extensão de aprendizado de máquina de plataforma cruzada e de código aberto para o Azure Data Studio	Gerencie pacotes, importe modelos de machine learning, faça previsões e crie notebooks para executar experimentos para seus bancos de dados SQL.

Azure Machine Learning

O Machine Learning é um serviço de nuvem totalmente gerenciado que você pode usar para treinar, implantar e gerenciar modelos de machine learning em escala. Ele dá suporte total a tecnologias de software livre, para que você possa usar dezenas de milhares de pacotes python de software livre, como TensorFlow, PyTorch e scikit-learn.

Ferramentas avançadas, como instâncias de computação, jupyter notebooks ou a extensão do Azure Machine Learning para Visual Studio Code (VS Code), também estão disponíveis. A extensão machine learning para VS Code é uma extensão gratuita que permite que você gerencie seus recursos e modelar fluxos de trabalho e implantações de treinamento no VS Code. O Machine Learning inclui recursos que automatizam a geração e o ajuste do modelo com facilidade, eficiência e precisão.

Use o SDK do Python, Jupyter Notebooks, R e a CLI para ter aprendizado de máquina na escala da nuvem. Se você quiser uma opção de código baixo ou sem código, use Designer no estúdio. O Designer ajuda você a criar, testar e implantar modelos com facilidade e rapidez usando algoritmos de aprendizado de máquina predefinidos. Além disso, você pode integrar o Machine Learning ao Azure DevOps e ao GitHub Actions para integração contínua e implantação contínua (CI/CD) de modelos de machine learning.

Recurso de machine learning	Descrição
Tipo	Solução de aprendizado de máquina baseada em nuvem
Idiomas com suporte	-Pitão - R
Fases de aprendizado de máquina	– Preparação de dados – Treinamento de modelo - Implantação – MLOps ou gerenciamento - IA responsável
Principais benefícios	- Opções de criação com prioridade de código (SDK), estúdio e interface Web de designer do tipo "arrastar e soltar" - Gerenciamento central de scripts e histórico de execução, o que facilita a comparação de versões de modelo – Fácil implantação e gerenciamento de modelos para dispositivos de nuvem ou borda – Treinamento escalonável, implantação e gerenciamento de modelos de machine learning
Considerações	Requer alguma familiaridade com o modelo de gerenciamento de modelos.

Serviços de IA do Azure

Os serviços de IA são um conjunto abrangente de APIs predefinidas que ajudam desenvolvedores e organizações a criar aplicativos inteligentes e prontos para o mercado rapidamente. Esses serviços fornecem APIs e SDKs personalizáveis e prontos para uso que permitem que seus aplicativos vejam, ouçam, falem, entendam e interpretem as necessidades do usuário com código mínimo. Esses recursos tornam desnecessários os conjuntos de dados ou a experiência em ciência de dados para treinar modelos. Você pode adicionar recursos inteligentes aos seus aplicativos, como:

Visão: Inclui detecção de objetos, reconhecimento facial e reconhecimento óptico de caracteres. Para obter mais informações, consulte Azure AI Vision, Azure AI Face e Azure AI Document Intelligence.
Discurso: Inclui recursos de transcrição de fala para texto, conversão de texto em fala e reconhecimento de locutor. Para obter mais informações, consulte Serviço de Fala.
Idioma: Inclui tradução, análise de sentimento, extração de frases-chave e reconhecimento vocal. Para obter mais informações, consulte o Serviço OpenAI do Azure, o Tradutor de IA do Azure, o Leitor Imersivo de IA do Azure, o Bot Framework Composer e o Azure AI Language.
Tomada de decisão: Detecte conteúdo indesejado e tome decisões informadas. Para obter mais informações, consulte Segurança de Conteúdo de IA do Azure.
Pesquisa e conhecimento: Traga capacidades de pesquisa na nuvem com inteligência artificial e mineração de conhecimento para seus aplicativos. Para obter mais informações, consulte Azure AI Search.

Use os serviços de IA para desenvolver aplicativos em dispositivos e plataformas. As APIs melhoram continuamente e são fáceis de configurar.

Recurso de serviços de IA	Descrição
Tipo	APIs para criação de aplicativos inteligentes
Idiomas com suporte	Várias opções dependendo do serviço. As opções padrão são C#, Java, JavaScript e Python.
Fases de aprendizado de máquina	Implantação
Principais benefícios	– Criar aplicativos inteligentes usando modelos pré-treinados que estão disponíveis por meio da API REST e do SDK - Use vários modelos para métodos de comunicação naturais que têm capacidades de visão, fala, linguagem e tomada de decisão - Não é necessário aprendizado de máquina ou conhecimento mínimo de ciência de dados - As APIs são escalonáveis e flexíveis - Você pode escolher entre vários modelos

Aprendizado de Máquina em SQL

O aprendizado de máquina do SQL adiciona análise estatística, visualização de dados e análise preditiva em Python e R para dados relacionais, tanto no local quanto na nuvem. As plataformas e ferramentas atuais incluem:

Use o aprendizado de máquina de SQL quando precisar de análise preditiva e IA interna para dados relacionais em SQL.

Recurso de aprendizado de máquina do SQL	Descrição
Tipo	Análise preditiva local para dados relacionais
Idiomas com suporte	-Pitão - R -SQL
Fases de aprendizado de máquina	– Preparação de dados – Treinamento de modelo - Implantação
Principais benefícios	Encapsular a lógica preditiva em uma função de banco de dados. Esse processo facilita a inclusão da lógica da camada de dados.
Considerações	Pressupõe que você use um banco de dados SQL como a camada de dados para seu aplicativo.

Fábrica de IA do Azure

O Azure AI Foundry é uma plataforma unificada que você pode usar para desenvolver e implantar aplicativos de IA geradores e APIs de IA do Azure com responsabilidade. Ele fornece um conjunto abrangente de funcionalidades de IA, uma interface do usuário simplificada e experiências de primeiro código. Esses recursos o tornam uma plataforma abrangente para criar, testar, implantar e gerenciar soluções inteligentes.

O Azure AI Foundry ajuda desenvolvedores e cientistas de dados a criar e implantar aplicativos de IA geradores com eficiência usando ofertas de IA do Azure. Enfatiza o desenvolvimento responsável de IA e inscreve princípios de imparcialidade, transparência e responsabilidade. A plataforma inclui ferramentas para detecção de preconceitos, interpretabilidade e aprendizado de máquina de preservação de privacidade. Essas ferramentas ajudam a garantir que os modelos de IA sejam avançados, confiáveis e compatíveis com os requisitos regulatórios.

Como parte do ecossistema do Microsoft Azure, o Azure AI Foundry fornece ferramentas e serviços robustos que atendem a várias necessidades de IA e aprendizado de máquina, incluindo processamento de linguagem natural e pesquisa visual computacional. Sua integração com outros serviços do Azure ajuda a garantir a escalabilidade e o desempenho contínuos, o que o torna uma opção ideal para as empresas.

O portal do Azure AI Foundry promove a colaboração e a inovação fornecendo recursos como workspaces compartilhados, controle de versão e ambientes de desenvolvimento integrados. Ao integrar estruturas e ferramentas de software livre populares, o Azure AI Foundry acelera o processo de desenvolvimento para que as organizações possam impulsionar a inovação e permanecer à frente no cenário competitivo de IA.

Recurso do Foundry de IA do Azure	Descrição
Tipo	Ambiente de desenvolvimento unificado para IA
Idiomas com suporte	Python e C#
Fases de aprendizado de máquina	– Preparação de dados - Implantação (MaaS (Modelos como serviço))
Principais benefícios	– Facilita a colaboração e o gerenciamento de projetos em vários serviços de IA - Fornece ferramentas abrangentes para criar, treinar e implantar modelos de IA – Enfatiza a IA responsável fornecendo ferramentas para detecção de preconceitos, interpretabilidade e aprendizado de máquina de preservação de privacidade – Dá suporte à integração com estruturas e ferramentas populares de software livre

Azure Machine Learning Studio

O Azure Machine Learning Studio é uma ferramenta colaborativa e de arrastar e soltar para criar, testar e implantar soluções de análise preditiva em seus dados. Ele foi projetado para cientistas de dados, engenheiros de dados e analistas de negócios. O Machine Learning Studio dá suporte a uma ampla gama de algoritmos e ferramentas de machine learning para preparação de dados, treinamento de modelo e avaliação. Ele também fornece uma interface visual para conectar conjuntos de dados e módulos em uma tela interativa.

Recurso de estúdio de Machine Learning	Descrição
Tipo	Ferramenta colaborativa de arrastar e soltar para aprendizado de máquina
Idiomas com suporte	-Pitão - R -Scala - Java (experiência limitada)
Fases de aprendizado de máquina	– Preparação de dados – Treinamento de modelo - Implantação
Principais benefícios	- Não requer codificação para criar modelos de machine learning – Dá suporte a uma ampla gama de algoritmos e ferramentas de machine learning para preparação de dados, treinamento de modelo e avaliação – Fornece uma interface visual para conectar conjuntos de dados e módulos em uma tela interativa – Dá suporte à integração com o Machine Learning para tarefas avançadas de machine learning

Para obter uma comparação abrangente do Estúdio do Machine Learning e do portal do Azure AI Foundry, consulte o portal do Azure AI Foundry ou o Machine Learning Studio. A tabela a seguir resume as principais diferenças entre elas:

Categoria	Característica	Portal do Azure AI Foundry	Estúdio de Machine Learning
Armazenamento de dados	Solução de armazenamento	Não	Sim (sistema de arquivos em nuvem, OneLake, Armazenamento do Azure)
Preparação de dados	Integração de dados	Sim (Armazenamento de Blobs do Azure, OneLake, Armazenamento do Azure Data Lake)	Sim (copiar e montar usando contas de armazenamento do Azure)
Desenvolvimento	Ferramentas orientadas a código	Sim (VS Code)	Sim (Notebooks, Jupyter, VS Code, R Studio)
Idiomas	Idiomas com suporte	Somente Python	Python, R, Scala, Java
Formação	Aprendizado de Máquina Automático (AutoML)	Não	Sim (regressão, classificação, previsão, CV, PNL)
Destinos de computação	Computação de treinamento	Não	Clusters spark, clusters de machine learning, Azure Arc
IA generativa	Catálogo de modelos de linguagem	Sim (OpenAI do Azure, Hugging Face, Meta)	Sim (OpenAI do Azure, Hugging Face, Meta)
Implantação	Serviço em tempo real e em lote	Tempo real (MaaS)	Pontos de extremidade de lote, Azure Arc
Governança	Ferramentas de IA responsáveis	Não	Sim (painel AI responsável)

Microsoft Fabric

O Fabric é uma plataforma de análise unificada de ponta a ponta que reúne todas as ferramentas de dados e análise de que as organizações precisam. Ele integra vários serviços e ferramentas para fornecer uma experiência perfeita para profissionais de dados, incluindo engenheiros de dados, cientistas de dados e analistas de negócios. O Fabric fornece recursos para integração de dados, engenharia de dados, data warehousing, ciência de dados, análise em tempo real e business intelligence.

Use o Fabric quando precisar de uma plataforma abrangente para gerenciar todo o ciclo de vida de dados, da ingestão a insights.

Recurso do Fabric	Descrição
Tipo	Plataforma de análise unificada
Idiomas com suporte	-Pitão - R -SQL -Scala
Fases de aprendizado de máquina	– Preparação de dados – Treinamento de modelo - Implantação – Análise em tempo real
Principais benefícios	– Plataforma unificada para todas as necessidades de dados e análise – Integração perfeita com outros serviços da Microsoft - Escalonável e flexível – Dá suporte a uma ampla gama de ferramentas de análise e dados – Facilita a colaboração entre diferentes funções em uma organização – Gerenciamento completo do ciclo de vida de dados, da ingestão até as percepções. – Funcionalidades de análise em tempo real e business intelligence – Suporte a treinamento e implantação de modelo de machine learning – Integração com estruturas e ferramentas populares de machine learning – Ferramentas de preparação de dados e engenharia de características – Inferência e análise de machine learning em tempo real

Máquina Virtual da Ciência de Dados do Azure

A Máquina Virtual de Ciência de Dados do Azure é um ambiente de VM personalizado na nuvem do Microsoft Azure. Ele está disponível em versões para Windows e Linux Ubuntu. O ambiente é especificamente para tarefas de ciência de dados e desenvolvimento de soluções de machine learning. Ele tem muitas funções populares de ciência de dados, estruturas de machine learning e outras ferramentas pré-instaladas e pré-configuradas para que você possa começar a criar aplicativos inteligentes para análise avançada.

Use a VM de Ciência de Dados quando precisar executar ou hospedar seus trabalhos em um único nó ou se precisar escalar remotamente o processamento em um único computador.

Recurso de Máquina Virtual de Ciência de Dados do Azure	Descrição
Tipo	Ambiente de VM personalizado para ciência de dados
Principais benefícios	– Tempo reduzido para instalar, gerenciar e solucionar problemas de estruturas e ferramentas de ciência de dados - Inclui as versões mais recentes de ferramentas e estruturas comumente usadas - Inclui imagens altamente escalonáveis e recursos de GPU (unidade de processamento gráfico) para modelagem intensiva de dados
Considerações	- A VM não pode ser acessada quando está offline. – A execução de uma VM incorre em encargos do Azure, portanto, você deve garantir que ela seja executada somente quando precisar.

Azure Databricks

O Azure Databricks é uma plataforma de análise baseada no Apache Spark otimizada para a plataforma de nuvem do Microsoft Azure. O Azure Databricks é integrado ao Azure para fornecer configuração de um clique, fluxos de trabalho simplificados e um workspace interativo que permite a colaboração entre cientistas de dados, engenheiros de dados e analistas de negócios. Use código R, Python, Scala e SQL em blocos de anotações baseado na Web para consultar, visualizar e modelar dados.

Use o Azure Databricks quando quiser colaborar na criação de soluções de machine learning no Apache Spark.

Recurso do Azure Databricks	Descrição
Tipo	Plataforma de análise com base no Apache Spark
Idiomas com suporte	-Pitão - R -Scala -SQL
Fases de aprendizado de máquina	– Preparação de dados – Pré-processamento de dados – Treinamento de modelo - Ajuste de modelo - Inferência de modelo -Gestão - Implantação
Principais benefícios	– Configuração de um clique e fluxos de trabalho simplificados para uso fácil – Workspace interativo para colaboração – Integração perfeita com o Azure – Escalabilidade para lidar com grandes conjuntos de dados e cálculos intensivos – Suporte para vários idiomas e integração com ferramentas populares

ML.NET

ML.NET é uma estrutura de machine learning multiplataforma de software livre. Use ML.NET para criar soluções personalizadas de machine learning e integrá-las aos seus aplicativos .NET. ML.NET fornece vários níveis de interoperabilidade com estruturas populares como TensorFlow e ONNX para treinamento e pontuação de machine learning e modelos de aprendizado profundo. Para tarefas com uso intensivo de recursos, como modelos de classificação de imagem de treinamento, você pode usar o Azure para treinar seus modelos na nuvem.

Use ML.NET quando quiser integrar soluções de aprendizado de máquina a seus aplicativos .NET. Escolha entre a API para uma experiência de primeiro código e o Construtor de Modelos ou a CLI para uma experiência de baixo código.

recurso ML.NET	Descrição
Tipo	Estrutura de software livre e multiplataforma para o desenvolvimento de aplicativos de machine learning personalizados com .NET
Idiomas com suporte	- C# - F#
Fases de aprendizado de máquina	– Preparação de dados -Formação - Implantação
Principais benefícios	- Nenhum requisito para a experiência de ciência de dados ou machine learning – Linguagens e ferramentas familiares, como Visual Studio e VS Code – Implanta o aplicativo em que o .NET é executado – Design extensível e escalonável - Experiência que prioriza o local – AutoML para tarefas automatizadas de machine learning

IA para aplicativos do Windows

Use a IA para aplicativos do Windows para integrar recursos de IA em aplicativos do Windows. Utilize os recursos WinML e DirectML para fornecer avaliação de modelo de IA local em tempo real e aceleração de hardware. O WinML permite que os desenvolvedores integrem modelos de aprendizado de máquina treinados diretamente em seus aplicativos Windows. Ele facilita a avaliação local em tempo real de modelos e permite recursos avançados de IA sem a necessidade de conectividade de nuvem.

O DirectML é uma plataforma acelerada por hardware de alto desempenho para executar modelos de machine learning. Ele usa APIs DirectX para fornecer desempenho otimizado em diversos hardwares, incluindo GPUs e aceleradores de IA.

Use a IA para aplicativos do Windows quando quiser usar modelos de machine learning treinados em seus aplicativos do Windows.

Recurso de IA para aplicativos do Windows	Descrição
Tipo	Mecanismo de inferência para modelos treinados em dispositivos Windows
Idiomas com suporte	- C#/C++ - JavaScript
Fases de aprendizado de máquina	– Preparação de dados – Treinamento de modelo - Implantação
Principais benefícios	- Avaliação do modelo de IA local em tempo real – Processamento de IA de alto desempenho em vários tipos de hardware, incluindo CPUs, GPUs e aceleradores de IA – Comportamento e desempenho consistentes no hardware do Windows

SynapseML

O SynapseML, anteriormente conhecido como MMLSpark, é uma biblioteca de software livre que simplifica a criação de pipelines de machine learning massivamente escalonáveis. O SynapseML fornece APIs para várias tarefas de aprendizado de máquina, como análise de texto, visão e detecção de anomalias. O SynapseML é criado na estrutura de computação distribuída do Apache Spark e compartilha a mesma API que as bibliotecas SparkML e MLlib, para que você possa inserir perfeitamente modelos SynapseML em fluxos de trabalho existentes do Apache Spark.

O SynapseML adiciona muitas ferramentas de aprendizado profundo e ciência de dados ao ecossistema do Spark, incluindo a integração perfeita dos pipelines Spark Machine Learning com Light Gradient Boosting Machine (LightGBM), Explicações Independentes de Modelo Interpretável Local e OpenCV. Você pode usar essas ferramentas para criar modelos preditivos avançados em qualquer cluster Spark, como o Azure Databricks ou o Azure Cosmos DB.

O SynapseML também fornece recursos de rede para o ecossistema do Spark. Com o projeto de HTTP no Spark, os usuários podem inserir qualquer serviço Web em seus modelos do SparkML. Além disso, o SynapseML fornece ferramentas fáceis de usar para orquestrar serviços de IA em escala. Para implantação em nível de produção, o projeto de Serviço do Spark permite serviços da Web de alto rendimento e latência de submilissegundos, com suporte de seu cluster Spark.

Recurso do SynapseML	Descrição
Tipo	Estrutura distribuída e de código aberto de aprendizado de máquina e microsserviços para Apache Spark
Idiomas com suporte	-Scala -Java -Pitão - R -.NET
Fases de aprendizado de máquina	– Preparação de dados – Treinamento de modelo - Implantação
Principais benefícios	-Escalabilidade - Compatível com streaming e serviço – Alta tolerância a falhas
Considerações	Requer o Apache Spark

Colaboradores

Esse artigo é mantido pela Microsoft. Ele foi originalmente escrito pelos colaboradores a seguir.

Principais autores:

Mahdi Setayesh | Engenheiro de Software Principal

Para ver perfis não públicos do LinkedIn, entre no LinkedIn.

Compartilhar via