Partilhar via


Compare produtos e tecnologias de aprendizado de máquina da Microsoft

Saiba mais sobre os produtos e tecnologias de aprendizado de máquina da Microsoft. Compare opções para ajudá-lo a escolher como criar, implantar e gerenciar suas soluções de aprendizado de máquina com mais eficiência.

Produtos de aprendizagem automática baseados na nuvem

As opções a seguir estão disponíveis para aprendizado de máquina na nuvem do Azure.

Opções na nuvem O que é O que permite fazer
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 CLI
Serviços Cognitivos do Azure Recursos de IA pré-criados implementados por meio de APIs e SDKs REST Crie aplicativos inteligentes rapidamente usando linguagens de programação padrão. Não requer experiência em aprendizado de máquina e ciência de dados
Serviços de Aprendizado de Máquina de Instância Gerenciada SQL do Azure Aprendizado de máquina no banco de dados para SQL Treinar e implantar modelos dentro da Instância Gerenciada SQL do Azure
Aprendizagem automática no Azure Synapse Analytics Serviço de análise com aprendizagem automática Treinar e implantar modelos dentro do Azure Synapse Analytics
Aprendizado de máquina e IA com ONNX no Azure SQL Edge Aprendizado de máquina em SQL em IoT Treinar e implantar modelos dentro do Azure SQL Edge
Azure Databricks Plataforma de análise baseada no Apache Spark Crie e implante modelos e fluxos de trabalho de dados usando integrações com bibliotecas de aprendizado de máquina de código aberto e a plataforma MLflow .

Produtos de aprendizagem automática no local

As opções a seguir estão disponíveis para aprendizado de máquina local. Os servidores locais também podem ser executados em uma máquina virtual na nuvem.

Opções locais O que é O que permite fazer
Serviços de Machine Learning do SQL Server Aprendizado de máquina no banco de dados para SQL Treinar e implantar modelos dentro do SQL Server
Serviços de Aprendizado de Máquina em Clusters de Big Data do SQL Server Aprendizado de máquina em clusters de Big Data Treinar e implantar modelos em clusters de Big Data do SQL Server

Plataformas e ferramentas de desenvolvimento

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

Plataformas/ferramentas O que é O que permite fazer
Máquina Virtual de Ciência de Dados do Azure Máquina virtual com ferramentas de ciência de dados pré-instaladas Desenvolva soluções de aprendizado de máquina em um ambiente pré-configurado
ML.NET SDK de aprendizado de máquina de código aberto e plataforma cruzada Desenvolva soluções de aprendizado de máquina para aplicativos .NET
Aprendizagem automática do Windows Plataforma de aprendizagem automática do Windows 10 Avaliar os modelos preparados num dispositivo Windows 10
SinapseML Estrutura de código aberto, distribuída, aprendizado de máquina e microsserviços para Apache Spark Crie e implante aplicativos escaláveis de aprendizado de máquina para Scala e Python.
Extensão de Aprendizado de Máquina para o Azure Data Studio Extensão de aprendizado de máquina de código aberto e plataforma cruzada para o Azure Data Studio Gerencie pacotes, importe modelos de aprendizado de máquina, faça previsões e crie blocos de anotações para executar experimentos para seus bancos de dados SQL

Azure Machine Learning

O Azure Machine Learning é um serviço de nuvem totalmente gerenciado usado para treinar, implantar e gerenciar modelos de aprendizado de máquina em escala. Suporta totalmente tecnologias de open source, pelo que pode utilizar dezenas de milhares de pacotes Python de open source, como o TensorFlow, o PyTorch e o scikit-learn. Ferramentas avançadas também estão disponíveis, como instâncias de computação, blocos de anotações Jupyter ou a extensão Azure Machine Learning for Visual Studio Code, uma extensão gratuita que permite gerenciar seus recursos, modelar fluxos de trabalho de treinamento e implantações no Visual Studio Code. O Azure Machine Learning inclui recursos que automatizam a geração e o ajuste de modelos com facilidade, eficiência e precisão.

Use Python SDK, Jupyter notebooks, R e a CLI para aprendizado de máquina em escala de nuvem. Para uma opção low-code ou no-code, use o designer interativo do Azure Machine Learning no estúdio para criar, testar e implantar modelos de forma fácil e rápida usando algoritmos de aprendizado de máquina pré-criados.

Experimente o Azure Machine Learning gratuitamente.

Item Description
Tipo Solução de aprendizagem automática baseada na nuvem
Idiomas suportados Python, R
Fases de aprendizagem automática Preparação de modelos
Implementação
MLOps/Gestão
Principais vantagens Code first (SDK) e opções de criação da interface web do designer de estúdio e arrastar e soltar.

Gerenciamento central de scripts e histórico de execução, facilitando a comparação de versões de modelos.

Fácil implantação e gerenciamento de modelos para a nuvem ou dispositivos de borda.
Considerações Requer alguma familiaridade com o modelo de gestão do modelo.

Serviços de IA do Azure

Os serviços de IA do Azure são um conjunto de APIs pré-criadas que permitem criar aplicativos que usam métodos naturais de comunicação. O termo pré-construído sugere que você não precisa trazer conjuntos de dados ou experiência em ciência de dados para treinar modelos para uso em seus aplicativos. Tudo isso é feito para você e empacotado como APIs e SDKs que permitem que seus aplicativos vejam, ouçam, falem, entendam e interpretem as necessidades do usuário com apenas algumas linhas de código. Pode adicionar facilmente funcionalidades inteligentes às suas aplicações, tais como:

Use os serviços de IA do Azure para desenvolver aplicativos entre dispositivos e plataformas. As APIs são melhoradas constantemente e são fáceis de configurar.

Item Description
Tipo APIs para criar aplicativos inteligentes
Idiomas suportados Várias opções dependendo do serviço. Os padrões são C#, Java, JavaScript e Python.
Fases de aprendizagem automática Implementação
Principais vantagens Crie aplicativos inteligentes usando modelos pré-treinados disponíveis por meio de API REST e SDK.
Variedade de modelos para métodos naturais de comunicação com visão, fala, linguagem e decisão.
Não é necessário conhecimento especializado em aprendizado de máquina ou ciência de dados.

Aprendizado de máquina SQL

O aprendizado de máquina 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 SQL quando precisar de IA interna e análise preditiva em dados relacionais em SQL.

Item Description
Tipo Análise preditiva local para dados relacionais
Idiomas suportados Python, R, SQL
Fases de aprendizagem automática Preparação de dados
Preparação de modelos
Implementação
Principais vantagens Encapsular a lógica preditiva em uma função de banco de dados, facilitando a inclusão na lógica da camada de dados.
Considerações Assume um banco de dados SQL como a camada de dados para seu aplicativo.

Máquina Virtual de Ciência de Dados do Azure

A Máquina Virtual de Ciência de Dados do Azure é um ambiente de máquina virtual personalizado na nuvem do Microsoft Azure. Está disponível em versões para Windows e Linux Ubuntu. O ambiente é construído especificamente para fazer ciência de dados e desenvolver soluções de aprendizado de máquina. Ele tem muitas ciências de dados populares, estruturas de aprendizado de máquina e outras ferramentas pré-instaladas e pré-configuradas para iniciar a criação de aplicativos inteligentes para análises avançadas.

Utilize a VM de Ciência de Dados quando precisar de executar ou alojar as suas tarefas num único nó. Ou se tiver de aumentar verticalmente de forma remota o processamento numa máquina individual.

Item Description
Tipo Ambiente de máquina virtual personalizado para ciência de dados
Principais vantagens Tempo reduzido para instalar, gerenciar e solucionar problemas de ferramentas e estruturas de ciência de dados.

As versões mais recentes de todas as ferramentas e estruturas comumente usadas estão incluídas.

As opções de máquina virtual incluem imagens altamente escaláveis com recursos de unidade de processamento gráfico (GPU) para modelagem de dados intensiva.
Considerações A máquina virtual não pode ser acessada quando offline.

A execução de uma máquina virtual incorre em encargos do Azure, portanto, você deve ter cuidado para executá-la somente quando necessário.

Azure Databricks

O Azure Databricks é uma plataforma de análise baseada no Apache Spark otimizada para a plataforma de nuvem do Microsoft Azure. O Databricks está integrado no Azure para prestar configurações com um clique, fluxos de trabalho fluídos e uma área de trabalho interativa que permite a colaboração entre cientistas de dados, engenheiros de dados e analistas empresariais. Utilize código Python, R, Scala e SQL em blocos de notas baseados na Web para consultar, visualizar e modelar dados.

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

Item Description
Tipo Plataforma de análise baseada no Apache Spark
Idiomas suportados Python, R, Scala, SQL
Fases de aprendizagem automática Preparação de dados
Pré-processamento de dados
Preparação de modelos
Ajuste do modelo
Inferência de modelos
Gestão
Implementação

ML.NET

ML.NET é uma estrutura de aprendizado de máquina de código aberto e multiplataforma. Com o ML.NET, você pode criar soluções personalizadas de aprendizado de máquina e integrá-las em seus aplicativos .NET. ML.NET oferece níveis variados de interoperabilidade com estruturas populares como TensorFlow e ONNX para treinamento e pontuação de modelos de aprendizado de máquina e aprendizado profundo. Para tarefas que consomem muitos recursos, como treinar modelos de classificação de imagens, você pode aproveitar o Azure para treinar seus modelos na nuvem.

Utilize o ML.NET quando quiser integrar soluções de machine learning nas suas aplicações .NET. Escolha entre a API para uma experiência code-first e o Model Builder ou a CLI para uma experiência low-code.

Item Description
Tipo Estrutura multiplataforma de código aberto para desenvolver aplicativos de aprendizado de máquina personalizados com .NET
Idiomas suportados C#, F#
Fases de aprendizagem automática Preparação de dados
Formação
Implementação
Principais vantagens Experiência em ciência de dados e aprendizado de máquina não necessária
Usar ferramentas e idiomas familiares (Visual Studio, Microsoft Visual Studio Code)
Implantar onde o .NET é executado
Extensível
Dimensionável
Primeira experiência local

Aprendizagem automática do Windows

O mecanismo de inferência de aprendizado de máquina do Windows permite que você use modelos de aprendizado de máquina treinados em seus aplicativos, avaliando modelos treinados localmente em dispositivos Windows 10.

Use o aprendizado de máquina do Windows quando quiser usar modelos de aprendizado de máquina treinados em seus aplicativos do Windows.

Item Description
Tipo Mecanismo de inferência para modelos treinados em dispositivos Windows
Idiomas suportados C#/C++, JavaScript

SinapseML

SynapseML (anteriormente conhecido como MMLSpark) é uma biblioteca de código aberto que simplifica a criação de pipelines de aprendizado de máquina massivamente escaláveis. O SynapseML fornece APIs para uma variedade de diferentes tarefas de aprendizado de máquina, como análise de texto, visão, deteção de anomalias e muitas outras. O SynapseML é construído na estrutura de computação distribuída Apache Spark e compartilha a mesma API que a biblioteca SparkML/MLLib, permitindo que você incorpore perfeitamente modelos SynapseML em fluxos de trabalho existentes do Apache Spark.

O SynapseML adiciona muitas ferramentas de aprendizagem profunda e ciência de dados ao ecossistema do Spark, incluindo a integração perfeita de pipelines do Spark Machine Learning com Light Gradient Boosting Machine (LightGBM), LIME (Model Interpretability) e OpenCV. Você pode usar essas ferramentas para criar modelos preditivos poderosos em qualquer cluster do Spark, como o Azure Databricks ou o Cosmic Spark.

SynapseML também traz recursos de rede para o ecossistema Spark. Com o projeto HTTP no Spark, os usuários podem incorporar qualquer serviço Web em seus modelos SparkML. Além disso, o SynapseML fornece ferramentas fáceis de usar para orquestrar serviços de IA do Azure em escala. Para implantação de nível de produção, o projeto Spark Serving permite serviços Web de alta taxa de transferência e latência de submilissegundos, apoiados pelo cluster Spark.

Item Description
Tipo Estrutura de microsserviços e aprendizado de máquina distribuído de código aberto para o Apache Spark
Idiomas suportados Scala 2.11, Java, Python 3.5+, R (beta)
Fases de aprendizagem automática Preparação de dados
Preparação de modelos
Implementação
Principais vantagens Escalabilidade
Compatível com Streaming + Serving
Tolerância a falhas
Considerações Requer Apache Spark

Contribuidores

Este artigo é mantido pela Microsoft. Foi originalmente escrito pelos seguintes contribuidores.

Autor principal:

Próximos passos

  • Para saber mais sobre todos os produtos de desenvolvimento de Inteligência Artificial (IA) disponíveis na Microsoft, consulte Plataforma de IA da Microsoft.
  • Para obter treinamento no desenvolvimento de soluções de IA e Machine Learning com a Microsoft, consulte Treinamento do Microsoft Learn.