AI Studio veya Azure Machine Learning: Hangi deneyimi seçmeliyim?
Bu makale, Azure AI Studio ve Azure Machine Learning'in ne zaman kullanılacağını anlamanıza yardımcı olur. Her deneyimdeki işlevlerde bazı çakışmalar olsa da, bu makalede bunların özelliklerine ve her platform için en uygun geliştirme senaryolarına genel bir bakış sunulmaktadır.
Azure Yapay Zeka Stüdyosu
Azure AI Studio , verimli yapay zeka uygulamaları ve Azure AI API'lerini sorumlu bir şekilde geliştirmeye ve dağıtmaya yönelik birleşik bir platformdur. Akıllı çözümler oluşturmak, test etmek, dağıtmak ve yönetmek için tek noktadan bir mağaza sunan zengin bir yapay zeka özellikleri kümesi, basitleştirilmiş kullanıcı arabirimi ve kod öncelikli deneyimler içerir.
AI Studio size uygun mu?
Azure AI Studio, geliştiricilerin ve veri bilimcilerinin, Azure'ın geniş yapay zeka tekliflerinin gücüyle verimli bir şekilde üretken yapay zeka uygulamaları oluşturmasına ve dağıtmasına yardımcı olmak için tasarlanmıştır.
Azure AI Studio'nun temel özellikleri
- Tek bir ekip olarak birlikte oluşturun. AI Studio hub'ınız kurumsal düzeyde güvenlik ve paylaşılan kaynaklar ve önceden eğitilmiş modeller, veriler ve işlem bağlantıları içeren işbirliği ortamı sağlar.
- Çalışmanızı düzenleyin. AI Studio projeniz, ilk fikirden ilk prototipe ve ardından ilk üretim dağıtımına kadar yineleme yapmanızı sağlayarak durum kaydetmenize yardımcı olur. Ayrıca bu yolculuk boyunca başkalarını kolayca işbirliği yapmaya davet edin.
- GitHub, Visual Studio Code, LangChain, Semantic Kernel, AutoGen ve daha fazlası dahil olmak üzere tercih ettiğiniz geliştirme platformlarını ve çerçevelerini kullanın.
- 1.600'den fazla modeli keşfedin ve kıyaslayın.
- Sunucusuz API'ler ve barındırılan ince ayarlamalar aracılığıyla Hizmet Olarak Model (MaaS) sağlayın.
- Birden çok modeli, veri kaynağını ve modaliteyi bir araya getir.
- Hassas ayarlamaya gerek kalmadan korumalı kurumsal verilerinizi kullanarak Alma Artırılmış Nesil (RAG) oluşturun.
- İstem mühendisliği ve Büyük Dil Modeli (LLM) akışlarını düzenleyin ve yönetin.
- Yapılandırılabilir filtreler ve denetimlerle uygulamaları ve API'leri tasarlayıp koruma.
- Yerleşik ve özel değerlendirme akışlarıyla model yanıtlarını değerlendirin.
- Ortamlar arasında sürekli izleme ve idare ile Azure'ın yönetilen altyapısına yapay zeka yeniliklerini dağıtın.
- Üretimde güvenlik, kalite ve belirteç tüketimi için dağıtılan uygulamaları sürekli izleyin.
Azure Machine Learning Studio
Azure Machine Learning Studio , Azure Machine Learning modellerini büyük ölçekte sorumlu bir şekilde oluşturmaya, ince ayarlamaya, dağıtmaya ve çalıştırmaya yönelik yönetilen bir uçtan uca makine öğrenmesi platformudur.
Azure Machine Learning Studio sizin için uygun mu?
Azure Machine Learning, makine öğrenmesi mühendisleri ve veri bilimciler için tasarlanmıştır.
Azure Machine Learning Studio'nun önemli özellikleri
- Bulut ölçeğinde büyük yapay zeka iş yükleri için Spark ve GPU'lar da dahil olmak üzere her tür işlemle Azure Machine Learning modeli oluşturun ve eğitin.
- Düşük kodlu Azure Machine Learning için otomatik Azure Machine Learning (AutoML) ve sürükleyip bırakma kullanıcı arabirimini çalıştırın.
- Uçtan uca Azure Machine LearningOps ve yinelenebilir Azure Machine Learning işlem hatlarını uygulayın.
- Sapma algılama ve hata analizi için sorumlu yapay zeka panosunu kullanın.
- İstem mühendisliği ve LLM akışlarını düzenleme ve yönetme.
- REST API uç noktaları, gerçek zamanlı ve toplu çıkarım ile modelleri dağıtın.
Ayrıntılı özellik karşılaştırması
Aşağıdaki tabloda, Azure AI Studio ile Azure Machine Learning Studio'nun temel özellikleri karşılaştırlanmaktadır:
| Kategori | Özellik | Azure Yapay Zeka Stüdyosu | Azure Machine Learning Studio |
|---|---|---|---|
| Veri depolama | Depolama çözümü | Hayır | Evet, bulut dosya sistemi tümleştirmesi, Dokuda OneLake tümleştirmesi ve Azure Depolama Hesapları ile. |
| Veri hazırlama | Depolama ile veri tümleştirmesi | Evet, dizinde desteklenen blob depolama, Onelake, Azure Data Lake Storage (ADLS) ile. | Evet, Azure Depolama Hesapları ile kopyalama ve bağlama yoluyla. |
| Veri düzenleme | Hayır | Evet, kodda. | |
| Veri etiketleme | Hayır | Evet, nesne tanımlama, örnek segmentasyonu, anlamsal segmentasyon, Adlandırılmış Varlık Tanıma (NER) metni, 3P etiketleme araçları ve hizmetleriyle tümleştirme. | |
| Özellik deposu | Hayır | Evet | |
| Veri kökeni ve etiketler | Hayır | Evet | |
| Spark iş yükleri | Hayır | Evet | |
| Veri düzenleme iş yükleri | Hayır | Hayır, ekli Spark ve Azure Machine Learning işlem hatları kullanılabilse de. | |
| Model geliştirme ve eğitim | Veri bilimcisi için kod öncelikli araç. | Evet, VS Code ile. | Evet, tümleşik Notebooks, Jupyter, VS Code, R Studio ile. |
| Diller | Yalnızca Python. | Python (tam deneyim), R, Scala, Java (sınırlı deneyim). | |
| Denemeleri izleme, izleme ve değerlendirme | Evet, ancak yalnızca istem akışı çalıştırmaları için. | Evet, tüm çalıştırma türleri için. | |
| ML işlem hattı yazma araçları | Hayır | Evet, tasarımcı, görsel yazma aracı ve SDK/CLI/API ile. | |
| AutoML | Hayır | Evet, regresyon, sınıflandırma, zaman serisi tahmini, görüntü işleme ve doğal dil işleme (NLP) için. | |
| Eğitim için işlem hedefleri | Yalnızca MaaS işlem örnekleri için sunucusuz ve istem akışı için sunucusuz çalışma zamanı. | Spark kümeleri, Azure Machine Learning kümeleri (MPI) ve Azure Arc sunucusuz. | |
| Büyük Dil Modellerini (LLM' ler) ve temel modelleri eğitin ve hassas ayarlamalar yapın | Model kataloğuyla sınırlıdır. | Evet, MPI tabanlı dağıtılmış eğitim ve model kataloğu ile. | |
| Eşitlik ve açıklanabilirlik için Azure Machine Learning modellerini değerlendirin ve hatalarını ayıklayın. | Hayır | Evet, yerleşik Sorumlu Yapay Zeka panosuyla. | |
| Üretken yapay zeka/LLM | LLM kataloğu | Evet, model kataloğu, Azure OpenAI'deki LLM'ler, Yüz Tanıma ve Meta'yı kucaklama aracılığıyla. | Evet, Azure OpenAI, Hugging Face ve Meta model kataloğu LLM'leri aracılığıyla. |
| RAG (kurumsal sohbet) | Yes | Evet, istem akışı aracılığıyla. | |
| LLM içerik filtreleme | Evet, yapay zeka içerik güvenliği aracılığıyla. | Evet, yapay zeka içerik güvenliği aracılığıyla. | |
| İstem akışı | Yes | Yes | |
| Puan tablosu/karşılaştırmalar | Yes | Hayır | |
| İstem örnekleri | Yes | Hayır | |
| LLM iş akışı/LLMOps/MLOps | Çocuk bahçesi | Yes | Hayır |
| Deneme ve test istemleri | Evet, oyun alanı, model kartı ve istem akışı aracılığıyla. | Evet, model kartı ve istem akışı aracılığıyla. | |
| İş akışı geliştirme | Evet, istem akışı, LangChain ve Semantik Çekirdek ile tümleştirme aracılığıyla. | Evet, istem akışı, LangChain ve Semantik Çekirdek ile tümleştirme aracılığıyla. | |
| İş akışını uç nokta olarak dağıtma | Evet, istem akışı aracılığıyla. | Evet, istem akışı aracılığıyla. | |
| Akış sürümü denetimi | Evet, istem akışı aracılığıyla. | Evet, istem akışı aracılığıyla. | |
| Yerleşik değerlendirme | Evet, istem akışı aracılığıyla. | Evet, istem akışı aracılığıyla. | |
| Git ile tümleştirme | Yes | Yes | |
| CI/CD | Evet, Azure DevOps ve GitHub ile tümleştirilmiş, istem akışındaki kod öncelikli deneyimler aracılığıyla. | Evet, Azure DevOps ve GitHub ile tümleştirilmiş, istem akışındaki kod öncelikli deneyimler aracılığıyla. | |
| Model kayıt defteri | Hayır | Evet, MIFlow ve kayıt defterleri aracılığıyla. | |
| Kuruluş modeli kayıt defteri | Hayır | Evet, kayıt defterleri aracılığıyla. | |
| Model dağıtımı | Gerçek zamanlı sunum için dağıtım seçenekleri | MaaP kataloğu için Hizmet Olarak Modeller (MaaS) çevrimiçi uç noktaları. | Hayır |
| Toplu hizmet sunma için dağıtım seçenekleri | Hayır | Batch uç noktaları, Yönetilen ve yönetilmeyen Azure Arc desteği. | |
| Kurumsal güvenlik | AI Hub | Evet, yapay zeka varlıklarını yönetin ve yönetin. | Evet, hem klasik Azure Machine Learning hem de LLM'ler için. |
| Özel ağ | Yes | Yes | |
| Veri kaybını önleme | Yes | Yes | |
| Veri sınıflandırma | Hayır | Evet, Purview aracılığıyla. |