Porovnání produktů a technologií strojového učení Microsoftu

Seznamte se s produkty a technologiemi strojového učení od Microsoftu. Porovnejte možnosti, které vám pomůžou zvolit, jak efektivněji sestavovat, nasazovat a spravovat řešení strojového učení.

Cloudové produkty strojového učení

Pro strojové učení v cloudu Azure jsou k dispozici následující možnosti.

Místní produkty strojového učení

Pro místní strojové učení jsou k dispozici následující možnosti. Místní servery můžou běžet také na virtuálním počítači v cloudu.

Vývojové platformy a nástroje

Pro strojové učení jsou k dispozici následující vývojové platformy a nástroje.

Azure Machine Learning

Azure Machine Learning je plně spravovaná cloudová služba, která se používá k trénování, nasazování a správě modelů strojového učení ve velkém měřítku. Plně podporuje open source technologie, takže můžete používat desítky tisíc volně dostupných balíčků Pythonu, například TensorFlow, PyTorch a scikit-learn. K dispozici jsou také bohaté nástroje, jako jsou výpočetní instance, poznámkové bloky Jupyter nebo rozšíření Azure Machine Learning pro Visual Studio Code, bezplatné rozšíření, které umožňuje spravovat prostředky, trénovací pracovní postupy modelů a nasazení v editoru Visual Studio Code. Azure Machine Learning obsahuje funkce, které automatizují generování a ladění modelů s jednoduchou efektivitou a přesností.

Použití sady Python SDK, poznámkových bloků Jupyter, R a rozhraní příkazového řádku pro strojové učení v cloudovém měřítku V případě možnosti s nízkým kódem nebo bez kódu můžete pomocí interaktivního návrháře služby Azure Machine Learning v sadě Studio snadno a rychle vytvářet, testovat a nasazovat modely pomocí předem připravených algoritmů strojového učení.

Vyzkoušejte službu Azure Machine Learning zdarma.

Služby Azure AI

Služby Azure AI jsou sadou předem připravených rozhraní API, která umožňují vytvářet aplikace, které používají přirozené metody komunikace. Pojem předem sestavený naznačuje, že při trénování modelů, které se mají ve vašich aplikacích používat, nemusíte vytrénovat datové sady ani odborné znalosti datových věd. To vše je hotové pro vás a zabalené jako rozhraní API a sady SDK, které umožňují vašim aplikacím zobrazit, slyšet, mluvit, rozumět a interpretovat potřeby uživatelů pomocí několika řádků kódu. Do svých aplikací můžete snadno přidávat inteligentní funkce, například:

• Zpracování obrazu: Rozpoznávání objektů, rozpoznávání tváře, optické rozpoznávání znaků (OCR) atd. Další informace najdete v tématu Počítačové zpracování obrazu, rozpoznávání tváře a analýzy dokumentů Azure AI.
• Řeč: Převod řeči na text, text na řeč, rozpoznávání mluvčího atd. Další informace najdete ve službě Speech.
• Jazyk: Překlad, Analýza mínění, extrakce klíčových frází, porozumění jazyku atd. Viz Translator, Analýza textu, Language Understanding, QnA Maker
• Rozhodnutí: Detekce anomálií, kon režim stanu ration, výztužné učení. Další informace najdete v tématu Detektor anomálií, Content Moderator, Personalizace.

Pomocí služeb Azure AI můžete vyvíjet aplikace na různých zařízeních a platformách. Rozhraní API se neustále zlepšují a je snadné je nastavit.

Strojové učení SQL

Strojové učení SQL přidává statistické analýzy, vizualizace dat a prediktivní analýzy v Pythonu a R pro relační data, a to jak místně, tak i v cloudu. Mezi aktuální platformy a nástroje patří:

• SQL Server Machine Learning Services
• Machine Learning Services na SQL Serveru clustery pro velký objem dat
• Azure SQL Managed Instance Machine Learning Services
• Strojové učení ve službě Azure Synapse Analytics
• Strojové učení a AI s ONNX v Azure SQL Edge
• Rozšíření Machine Learning pro Azure Data Studio

Strojové učení SQL použijte, když potřebujete integrovanou AI a prediktivní analýzu relačních dat v SQL.

Azure Data Science Virtual Machine

Virtuální počítač Azure Datová Věda je přizpůsobené prostředí virtuálního počítače v cloudu Microsoft Azure. Je k dispozici ve verzích pro Windows i Linux Ubuntu. Prostředí je vytvořené speciálně pro práci s datovými vědami a vývoj řešení strojového učení. Má mnoho oblíbených architektur pro datové vědy, strojové učení a další nástroje předinstalované a předem nakonfigurované, aby bylo možné začít vytvářet inteligentní aplikace pro pokročilou analýzu.

Data Science VM použijte, když potřebujete spustit nebo hostovat úlohy v jednom uzlu. nebo když potřebujete vzdáleně vertikálně navýšit kapacitu zpracování v jednom počítači.

Azure Databricks

Azure Databricks je analytická platforma založená na Apache Sparku optimalizovaná pro cloudovou platformu Microsoft Azure. Platforma Databricks poskytuje díky integraci s Azure nastavení jedním kliknutím, zjednodušené pracovní postupy a interaktivní pracovní prostor, který umožňuje spolupráci mezi datovými vědci, odborníky přes data a obchodními analytiky. Pomocí kódu Python, R, Scala a SQL ve webových poznámkových blocích můžete u dat zadávat dotazy, vizualizovat je a modelovat.

Databricks použijte, pokud chcete na sestavování řešení strojového učení spolupracovat na platformě Apache Spark.

ML.NET

ML.NET je opensourcová architektura strojového učení pro různé platformy. S ML.NET můžete vytvářet vlastní řešení strojového učení a integrovat je do svých aplikací .NET. ML.NET nabízí různé úrovně interoperability s oblíbenými architekturami, jako jsou TensorFlow a ONNX pro trénování a bodování modelů strojového učení a hlubokého učení. U úloh náročných na prostředky, jako jsou trénování modelů klasifikace obrázků, můžete využít Azure k trénování modelů v cloudu.

ML.NET použijte, pokud chcete řešení pro strojové učení integrovat do svých aplikací .NET. Můžete si vybrat mezi rozhraním API pro prostředí pro první kód a Tvůrcem modelů nebo rozhraním příkazového řádku pro prostředí s nízkým kódem.

Strojové učení s Windows

Modul pro odvozování strojového učení ve Windows umožňuje používat vytrénované modely strojového učení v aplikacích a vyhodnocovat natrénované modely místně na zařízeních s Windows 10.

Strojové učení s Windows použijte, když chcete v aplikacích pro Windows používat natrénované modely strojového učení.

SynapseML

SynapseML (dříve označovaná jako MMLSpark) je opensourcová knihovna, která zjednodušuje vytváření široce škálovatelných kanálů strojového učení. SynapseML poskytuje rozhraní API pro různé úlohy strojového učení, jako je analýza textu, zpracování obrazu, detekce anomálií a mnoho dalších. SynapseML je založená na architektuře distribuovaného výpočetního prostředí Apache Spark a sdílí stejné rozhraní API jako knihovna SparkML/MLLib, která umožňuje bezproblémově vkládat modely SynapseML do stávajících pracovních postupů Apache Sparku.

SynapseML přidává do ekosystému Spark mnoho nástrojů pro hluboké učení a datové vědy, včetně bezproblémové integrace kanálů Spark Machine Learning s light gradient boosting Machine (LightGBM), LIME (Interpretability modelu) a OpenCV. Tyto nástroje můžete použít k vytváření výkonných prediktivních modelů v jakémkoli clusteru Spark, jako je Azure Databricks nebo Spark.

SynapseML také přináší síťové funkce ekosystému Spark. Pomocí protokolu HTTP v projektu Spark můžou uživatelé do svých modelů SparkML vkládat libovolnou webovou službu. SynapseML navíc poskytuje snadno použitelné nástroje pro orchestraci služeb Azure AI ve velkém měřítku. Pro nasazení na úrovni produkčního prostředí projekt obsluhy Sparku umožňuje vysokou propustnost webových služeb s nízkou latencí v milisekundách, které využívají váš cluster Spark.

Přispěvatelé

Tento článek spravuje Microsoft. Původně byla napsána následujícími přispěvateli.

Hlavní autor:

• Zoiner Tejada | výkonný ředitel (CEO) a architekt

Další kroky

• Další informace o všech vývojových produktech umělé inteligence (AI) dostupných od Microsoftu najdete na platformě Microsoft AI.
• Školení k vývoji řešení umělé inteligence a strojového učení s Microsoftem najdete v tématu Školení k Microsoft Learn.

Související prostředky

• Volba technologie služeb Microsoft Azure AI
• Návrh architektury umělé inteligence (AI)
• Jak Azure Machine Learning funguje: prostředky a prostředky