訓練
學習路徑
在 Azure AI Foundry 入口網站 AI-3016 中開發生成式 AI 應用程式 - Training
了解如何在 Azure AI Foundry 入口網站中開發生成式 AI 應用程式。 (AI-3016)
認證
Microsoft Certified: Azure AI Fundamentals - Certifications
示範與 Microsoft Azure 軟體和服務開發相關的基本 AI 概念,以建立 AI 解決方案。
本文可協助您瞭解何時使用 Azure AI Foundry 入口網站與 Azure Machine Learning。 雖然每種體驗的功能有一些重疊,但本文將概述它們的功能以及最適合每個平台的開發情境。
Azure AI Foundry 入口網站 是一個統一的平臺,負責開發和部署產生式 AI 應用程式和 Azure AI API。 它包含豐富的人工智慧功能、簡化的使用者介面和代碼至上的體驗,提供一站式建置、測試、部署和管理智慧型解決方案。
Azure AI Foundry 入口網站的設計訴求是協助開發人員和數據科學家使用 Azure 廣泛 AI 供應項目的強大功能,有效率地建置和部署產生的 AI 應用程式。
Azure Machine Learning Studio 是一個受控的端對端機器學習平臺,可用來大規模建置、微調、部署及作 Azure Machine Learning 模型。
Azure Machine Learning 是為機器學習工程師和資料科學家所設計的。
下表比較 Azure AI Foundry 入口網站和 Azure Machine Learning Studio 的主要功能:
類別 | 功能 | Azure AI Foundry 入口網站 | Azure Machine Learning Studio |
---|---|---|---|
資料存放區 | 儲存方案 | No | 是的,具有雲端檔案系統整合、OneLake in Fabric 整合以及 Azure 儲存帳戶。 |
資料準備 | 資料整合至儲存空間 | 是的,索引中支援 blob 儲存、Onelake、Azure Data Lake Storage (ADLS)。 | 是的,透過 Azure 儲存帳戶複製和掛載。 |
資料整頓 | No | 是的,在程式碼中。 | |
資料標記 | No | 有,包括物件識別、執行個體分割、語義分割、文字具名實體辨識 (NER)、與 3P 標籤工具和服務整合。 | |
功能存放區 | No | Yes | |
資料脈絡與標籤 | No | Yes | |
Spark 工作負載 | No | Yes | |
資料協調工作負載 | No | 沒有,雖然已附加 Spark 和 Azure Machine Learning 管道。 | |
模型開發和定型 | 適用於資料科學家的程式碼第一工具。 | 是的,使用 VS Code。 | 是的,有整合式 Notebooks、Jupyter、VS Code、R Studio。 |
語言 | 僅限 Python。 | Python(豐富體驗)、R、Scala、Java(有限體驗)。 | |
追蹤、監控和評估實驗 | 是的,但僅適用於快速流量運行。 | 是的,適用於所有運行類型。 | |
ML 管線撰寫工具 | No | 是的,使用設計器、視覺化撰寫工具和 SDK/CLI/API。 | |
AutoML | No | 是的,適用於迴歸、分類、時序預測、電腦視覺和自然語言處理 (NLP)。 | |
運算訓練目標 | 無伺服器僅適用於 MaaS 計算實體,而無伺服器運行時間則適用於提示流。 | Spark 集群、Azure 機器學習集群 (MPI) 和 Azure Arc 無伺服器。 | |
訓練和微調大型語言模型 (LLM) 和基礎模型 | 僅限於目錄。 | 是的,使用基於 MPI 的分散式訓練和模型目錄。 | |
評定並偵錯 Azure Machine Learning 模型的公平性和可解釋性。 | No | 是的,使用內建的 Responsible AI 面板。 | |
Generative AI/LLM | LLM 目錄 | 是的,透過模型目錄、Azure OpenAI、Hugging Face 和 Meta 的 LLM。 | 是的,透過 Azure OpenAI、Hugging Face 和 Meta 的模型目錄 LLM。 |
RAG (企業聊天) | Yes | 是的,透過即時流程。 | |
LLM 內容過濾 | 是的,透過 AI 內容安全。 | 是的,透過 AI 內容安全。 | |
提示流程 | Yes | Yes | |
排行榜/基準 | Yes | No | |
提示範例 | Yes | No | |
LLM 工作流程/LLMOps/MLOps。 | 遊樂場 | Yes | No |
實驗和測試提示 | 是的,透過遊樂場、模型卡和提示流程。 | 是的,通過模型卡和提示流程。 | |
開發工作流程 | 是的,透過提示流程、與 LangChain 整合以及 Semantic Kernel。 | 是的,透過提示流程、與 LangChain 整合以及 Semantic Kernel。 | |
將工作流程部署為端點 | 是的,透過即時流程。 | 是的,透過即時流程。 | |
流程版本控制 | 是的,透過即時流程。 | 是的,透過即時流程。 | |
內建評估 | 是的,透過即時流程。 | 是的,透過即時流程。 | |
Git 整合 | Yes | Yes | |
持續整合與持續傳遞 | 是的,透過與 Azure DevOps 和 GitHub 整合的 prompt flow 中的 code-first 體驗。 | 是的,透過與 Azure DevOps 和 GitHub 整合的 prompt flow 中的 code-first 體驗。 | |
模型登錄 | No | 是的,透過 MIFlow 和註冊表。 | |
組織模式登錄 | No | 是的,透過註冊處。 | |
模型部署 | 即時服務的部署選項 | 適用於 MaaP 目錄的模型即服務 (MaaS) 線上端點。 | No |
批次服務的部署選項 | No | 批次端點、已管理與未管理 Azure Arc 支援。 | |
企業安全性 | AI 中樞 | 是的,管理和治理 AI 資產。 | 是的,同時也適用於傳統 Azure Machine Learning 和大型語言模型 (LLM)。 |
私人網路 | Yes | Yes | |
資料外洩防護 | Yes | Yes | |
資料分類 | No | 是的,透過 Purview。 |
訓練
學習路徑
在 Azure AI Foundry 入口網站 AI-3016 中開發生成式 AI 應用程式 - Training
了解如何在 Azure AI Foundry 入口網站中開發生成式 AI 應用程式。 (AI-3016)
認證
Microsoft Certified: Azure AI Fundamentals - Certifications
示範與 Microsoft Azure 軟體和服務開發相關的基本 AI 概念,以建立 AI 解決方案。
文件
模型目錄和集合 - Azure Machine Learning
模型目錄中的模型概觀。
如何使用 Azure Machine Learning 所策展的開放原始碼基礎模型 - Azure Machine Learning
了解如何在 Azure Machine Learning 中探索、評估、微調及部署開放原始碼基礎模型
管理預覽功能 - Azure Machine Learning
了解 Azure Machine Learning 提供的預覽功能,並加以啟用。