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.

Možnost cloudu	Popis	Funkce a použití
Azure Machine Learning	Spravovaná platforma pro strojové učení	Použijte předem natrénovaný model nebo trénujte, nasaďte a spravujte modely v Azure pomocí Pythonu a rozhraní příkazového řádku. Machine Learning zahrnuje funkce, jako je automatizované strojové učení (AutoML), tok výzvy, katalog modelů a integrace MLflow. Výkon modelu můžete sledovat a pochopit během produkční fáze.
Microsoft Fabric	Jednotná analytická platforma	Spravujte celý životní cyklus dat od příjmu dat po přehledy pomocí komplexní platformy, která integruje různé služby a nástroje pro odborníky na data, včetně datových inženýrů, datových vědců a obchodních analytiků.
služby Azure AI	Předem připravené funkce AI implementované prostřednictvím rozhraní REST API a sad SDK	Vytvářejte inteligentní aplikace pomocí standardních programovacích jazyků. Tyto jazyky volají rozhraní API, která poskytují odvozování. I když byste v ideálním případě měli mít znalosti strojového učení a datových věd, technické týmy, které tyto dovednosti nemají, mohou tuto platformu také přijmout.
Služby strojového učení Azure SQL Managed Instance	Strojové učení v databázi pro SQL	Trénování a nasazování modelů ve službě SQL Managed Instance
Strojové učení ve službě Azure Synapse Analytics	Analytická služba, která používá strojové učení	Trénování a nasazování modelů v Azure Synapse Analytics
Azure Databricks	Analytická platforma založená na Apache Sparku	Vytvářejte a nasazujte modely a datové pracovní postupy integrací s opensourcovými knihovnami strojového učení a platformou MLflow.

Místní produkt strojového učení

Pro místní strojové učení je k dispozici následující možnost. Místní servery se můžou spouštět také na virtuálním počítači v cloudu.

Místní produkt	Popis	Funkce a použití
služby strojového učení SQL Serveru	Strojové učení v databázi pro SQL	Trénování a nasazování modelů v SQL Serveru pomocí skriptů Pythonu a R

Vývojové platformy a nástroje

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

Platforma nebo nástroj	Popis	Funkce a použití
Azure AI Foundry portál	Jednotné vývojové prostředí pro scénáře umělé inteligence a strojového učení	Vývoj, vyhodnocení a nasazení modelů a aplikací AI Portál Azure AI Foundry usnadňuje spolupráci a řízení projektů napříč různými službami Azure AI. Můžete ho dokonce použít jako běžné prostředí napříč několika týmy úloh.
Azure Machine Learning Studio	Nástroj pro spolupráci, přetahování pro strojové učení	Vytvářejte, testujte a nasazujte řešení prediktivní analýzy pomocí minimálního kódování. Machine Learning Studio podporuje širokou škálu algoritmů strojového učení a modelů AI. Poskytuje nástroje pro přípravu dat, trénování modelů a vyhodnocení.
Azure Data Science Virtual Machine	Image virtuálního počítače, která obsahuje předinstalované nástroje pro datové vědy	K vývoji řešení strojového učení na vlastních virtuálních počítačích použijte předkonfigurované prostředí s nástroji, jako jsou Jupyter, R a Python.
Microsoft ML.NET	Opensourcová sada SDK pro multiplatformní strojové učení	Vývoj řešení strojového učení pro aplikace .NET
AI pro aplikace pro Windows	Modul odvozování pro natrénované modely na zařízeních s Windows	Integruje funkce umělé inteligence do aplikací pro Windows pomocí komponent, jako jsou windows Machine Learning (WinML) a Direct Machine Learning (DirectML) pro místní vyhodnocení modelu AI v reálném čase a hardwarovou akceleraci.
SynapseML	Open source, distribuovaná architektura strojového učení a mikroslužeb pro Apache Spark	Vytváření a nasazování škálovatelných aplikací strojového učení pro Scala a Python
rozšíření Machine Learning pro azure Data Studio	Opensourcové a multiplatformní rozšíření strojového učení pro Azure Data Studio	Spravujte balíčky, importujte modely strojového učení, vytvářejte předpovědi a vytvářejte poznámkové bloky pro spouštění experimentů pro databáze SQL.

Azure Machine Learning

Machine Learning je plně spravovaná cloudová služba, kterou můžete použít k trénování, nasazování a správě modelů strojového učení ve velkém měřítku. Plně podporuje opensourcové technologie, takže můžete použít desítky tisíc opensourcových balíčků Pythonu, jako jsou TensorFlow, PyTorch a scikit-learn.

K dispozici jsou také bohaté nástroje, jako jsou výpočetní instance, poznámkové bloky Jupyternebo rozšířeníAzure Machine Learning pro Visual Studio Code (VS Code). Rozšíření Machine Learning pro VS Code je bezplatné rozšíření, které umožňuje spravovat prostředky a trénovací pracovní postupy a nasazení modelů ve VS Code. Machine Learning obsahuje funkce, které automatizují generování a ladění modelů s lehkostí, efektivitou a přesností.

Použití sady Python SDK, poznámkových bloků Jupyter, R a rozhraní příkazového řádku pro strojové učení v cloudovém měřítku Pokud chcete nízkokódovou nebo bezkódovou možnost, použijte návrháře ve Studio. Návrhář vám pomůže snadno a rychle sestavovat, testovat a nasazovat modely pomocí předem připravených algoritmů strojového učení. Kromě toho můžete integrovat Machine Learning s Azure DevOps a GitHub Actions pro kontinuální integraci a průběžné nasazování (CI/CD) modelů strojového učení.

Funkce Machine Learning	Popis
Typ	Cloudové řešení strojového učení
Podporované jazyky	- Python - R
Fáze strojového učení	- Příprava dat - Trénování modelu -Nasazení — MLOps nebo správa – Zodpovědná AI
Klíčové výhody	– Možnosti vytváření webových rozhraní s code-first (SDK), studiovým a přetahovacím rozhraním návrháře - Centrální správa skriptů a historie spuštění, což usnadňuje porovnání verzí modelu. – Snadné nasazení a správa modelů do cloudových nebo edge zařízení – Škálovatelné trénování, nasazování a správa modelů strojového učení
Důležité informace	Vyžaduje určitou znalost modelu správy modelů.

Služby Azure AI

služby umělé inteligence je komplexní sada předem připravených rozhraní API, která vývojářům a organizacím pomáhají rychle vytvářet inteligentní aplikace připravené na trh. Tyto služby poskytují integrované a přizpůsobitelné rozhraní API a sady SDK, které umožňují vašim aplikacím zobrazit, slyšet, mluvit, rozumět a interpretovat potřeby uživatelů s minimálním kódem. Díky těmto funkcím jsou datové sady nebo odborné znalosti datových věd pro trénování modelů zbytečné. Do svých aplikací můžete přidat inteligentní funkce, například:

• Vision: Zahrnuje rozpoznávání objektů, rozpoznávání obličeje a optické rozpoznávání znaků. Další informace naleznete na stránkách Azure AI Vision, Azure AI Facea Azure AI Document Intelligence.
• Řeč: zahrnuje převod řeči na text, převod textu na řeč a rozpoznání mluvčího. Další informace najdete ve službě Speech.
• Jazyk: zahrnuje překlad, analýzu sentimentu, extrakci klíčových frází a porozumění jazyku. Další informace najdete v tématu Azure OpenAI Service, Azure AI Translator, Azure AI Immersive Reader, Bot Framework Composera Azure AI Language.
• rozhodování: Detekovat nežádoucí obsah a činit informovaná rozhodnutí. Další informace najdete v tématu bezpečnosti obsahu Azure AI .
• Vyhledávání a znalosti: Přineste do vašich aplikací cloudové vyhledávání a dolování znalostí s využitím umělé inteligence. Další informace najdete v tématu Azure AI Search.

Pomocí služeb AI můžete vyvíjet aplikace na různých zařízeních a platformách. Rozhraní API se průběžně vylepšují a snadno se nastavují.

Funkce služeb AI	Popis
Typ	Rozhraní API pro vytváření inteligentních aplikací
Podporované jazyky	Různé možnosti v závislosti na službě. Standardními možnostmi jsou C#, Java, JavaScript a Python.
Fáze strojového učení	Nasazení
Klíčové výhody	– Vytváření inteligentních aplikací pomocí předem natrénovaných modelů, které jsou k dispozici prostřednictvím rozhraní REST API a sady SDK - Použití různých modelů pro přirozené komunikační metody, které mají možnosti zraku, řeči, jazyka a rozhodování – Nevyžaduje se žádné nebo minimální znalosti strojového učení nebo datových věd. – Rozhraní API jsou škálovatelná a flexibilní. - Můžete si vybrat z různých modelů.

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:

• služby pro strojové učení serveru SQL.
• služby SQL Managed Instance Machine Learning Services.
• strojové učení ve službě Azure Synapse Analytics.
• Rozšíření Machine Learning pro Azure Data Studio.

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

Funkce strojového učení SQL	Popis
Typ	Místní prediktivní analýzy relačních dat
Podporované jazyky	-Python - R -SQL
Fáze strojového učení	- Příprava dat - Trénování modelu -Nasazení
Klíčové výhody	Zapouzdření prediktivní logiky do databázové funkce Tento proces usnadňuje zahrnutí logiky datové vrstvy.
Důležité informace	Předpokládá, že jako datovou vrstvu aplikace používáte databázi SQL.

Azure AI Foundry

Azure AI Foundry je jednotná platforma, pomocí které můžete vyvíjet a nasazovat generující aplikace AI a rozhraní API Azure AI zodpovědně. Poskytuje komplexní sadu funkcí AI, zjednodušené uživatelské rozhraní a prostředí pro první kód. Díky těmto funkcím je komplexní platforma pro vytváření, testování, nasazování a správu inteligentních řešení.

Azure AI Foundry pomáhá vývojářům a datovým vědcům efektivně vytvářet a nasazovat generování aplikací umělé inteligence pomocí nabídek Azure AI. Zdůrazňuje zodpovědný vývoj umělé inteligence a vkládá zásady spravedlnosti, transparentnosti a odpovědnosti. Tato platforma obsahuje nástroje pro detekci předsudků, interpretovatelnost a zachování ochrany osobních údajů ve strojovém učení. Tyto nástroje pomáhají zajistit, aby modely AI byly výkonné, důvěryhodné a vyhovující zákonným požadavkům.

V rámci ekosystému Microsoft Azure poskytuje Azure AI Foundry robustní nástroje a služby, které vyhovují různým potřebám umělé inteligence a strojového učení, včetně zpracování přirozeného jazyka a počítačového zpracování obrazu. Její integrace s jinými službami Azure pomáhá zajistit bezproblémovou škálovatelnost a výkon, díky čemuž je ideální volbou pro podniky.

Portál Azure AI Foundry podporuje spolupráci a inovace tím, že poskytuje funkce, jako jsou sdílené pracovní prostory, správa verzí a integrovaná vývojová prostředí. Díky integraci oblíbených opensourcových architektur a nástrojů Azure AI Foundry zrychluje proces vývoje, aby organizace mohly podpořit inovace a zůstat v předstihu v konkurenčním prostředí umělé inteligence.

Funkce Azure AI Foundry	Popis
Typ	Jednotné vývojové prostředí pro AI
Podporované jazyky	Pouze Python
Fáze strojového učení	- Příprava dat – Nasazení (modely jako služba (MaaS))
Klíčové výhody	- Usnadňuje spolupráci a řízení projektů napříč různými službami umělé inteligence. – Poskytuje komplexní nástroje pro vytváření, trénování a nasazování modelů AI. - Zdůrazňuje zodpovědnou AI tím, že poskytuje nástroje pro detekci předsudků, interpretovatelnost a zachování ochrany osobních údajů v strojovém učení. - Podporuje integraci s oblíbenými opensourcovými architekturami a nástroji. – Zahrnuje tok výzev pro vytváření a správu pracovních procesů založených na výzvách. Tok výzev zjednodušuje vývojový cyklus AI aplikací, které využívají jazykové modely.

Studio Azure Machine Learning

azure Machine Learning Studio je nástroj pro spolupráci, který umožňuje vytvářet, testovat a nasazovat řešení prediktivní analýzy na data. Je určená pro datové vědce, datové inženýry a obchodní analytiky. Machine Learning Studio podporuje širokou škálu algoritmů a nástrojů strojového učení pro přípravu dat, trénování modelů a hodnocení. Poskytuje také vizuální rozhraní pro připojení datových sad a modulů na interaktivním plátně.

Funkce nástroje Machine Learning Studio	Popis
Typ	Nástroj pro spolupráci, přetahování pro strojové učení
Podporované jazyky	- Python - R -Scala – Java (omezené zkušenosti)
Fáze strojového učení	- Příprava dat - Trénování modelu -Nasazení
Klíčové výhody	- Nevyžaduje kódování pro vytváření modelů strojového učení. - Podporuje širokou škálu algoritmů a nástrojů strojového učení pro přípravu dat, trénování modelů a hodnocení. – Poskytuje vizuální rozhraní pro připojení datových sad a modulů na interaktivním plátně. – Podporuje integraci se službou Machine Learning pro pokročilé úlohy strojového učení.

Komplexní porovnání nástroje Machine Learning Studio a portálu Azure AI Foundry najdete v tématu portálu Azure AI Foundry nebomachine learning studia. Následující tabulka shrnuje klíčové rozdíly mezi nimi:

Kategorie	Funkce	Portál Azure AI Foundry	Machine Learning Studio
úložiště dat	Řešení úložiště	No	Ano (cloudový systém souborů, OneLake, Azure Storage)
příprava dat	Integrace dat	Ano (Azure Blob Storage, OneLake, Azure Data Lake Storage)	Ano (kopírování a připojení pomocí účtů úložiště Azure)
Vývoj	Nástroje pro první kód	Ano (VS Code)	Ano (poznámkové bloky, Jupyter, VS Code, R Studio)
Jazyky	Podporované jazyky	Pouze Python	Python, R, Scala, Java
Školení	AutoML	No	Ano (regrese, klasifikace, prognózování, CV, NLP)
Výpočetní cíle	Trénování výpočetních prostředků	Bezserverový (MaaS, tok výzvy)	Klastry Spark, klastry strojového učení, Azure Arc
Generování umělé inteligence	Katalog jazykových modelů	Ano (Azure OpenAI, Hugging Face, Meta)	Ano (Azure OpenAI, Hugging Face, Meta)
Nasazení	Obsluha v reálném čase a dávkové služby	MaaS (Real-Time)	Koncové body služby Batch, Azure Arc
Zásady správného řízení	Zodpovědné nástroje AI	No	Ano (řídicí panel zodpovědné umělé inteligence)

Microsoft Fabric

Fabric je ucelená sjednocená analytická platforma, která spojuje všechna data a analytické nástroje, které organizace potřebují. Integruje různé služby a nástroje, které poskytují bezproblémové prostředí pro odborníky na data, včetně datových inženýrů, datových vědců a obchodních analytiků. Fabric nabízí možnosti pro integraci dat, přípravu dat, datové sklady, datovou vědu, analýzy v reálném čase a business intelligence.

Použijte Fabric, když potřebujete komplexní platformu pro správu celého životního cyklu dat od jejich příjmu až po vhledy.

Vlastnost látky	Popis
Typ	Jednotná analytická platforma
Podporované jazyky	- Python - R -SQL -Scala
Fáze strojového učení	- Příprava dat - Trénování modelu -Nasazení - Analýzy v reálném čase
Klíčové výhody	– Jednotná platforma pro všechny potřeby dat a analýz – Bezproblémová integrace s jinými službami Microsoftu – Škálovatelné a flexibilní - Podporuje širokou škálu nástrojů pro analýzu a dat. - Usnadňuje spolupráci mezi různými rolemi v organizaci. – Kompletní správa životního cyklu dat od příjmu dat po přehledy - Analýzy v reálném čase a možnosti business intelligence – Podpora trénování a nasazení modelu strojového učení - Integrace s oblíbenými architekturami a nástroji strojového učení - Nástroje pro přípravu dat a přípravu funkcí – Odvození a analýzy strojového učení v reálném čase

Azure Data Science Virtual Machine

Azure Data Science Virtual Machine je přizpůsobené prostředí virtuálního počítače v cloudu Microsoft Azure. Je k dispozici ve verzích pro Windows i Linux Ubuntu. Prostředí je určené speciálně pro úlohy datových věd a vývoj řešení strojového učení. Má mnoho oblíbených funkcí datových věd, architektur strojového učení a dalších nástrojů, které jsou předinstalované a předkonfigurované, abyste mohli rychle začít vytvářet inteligentní aplikace pro pokročilé analýzy.

Virtuální počítač pro datové vědy použijte, když potřebujete spouštět nebo hostovat úlohy na jednom uzlu nebo pokud potřebujete vzdáleně vertikálně navýšit kapacitu zpracování na jednom počítači.

Funkce Azure Data Science Virtual Machine	Popis
Typ	Přizpůsobené prostředí virtuálního počítače pro datové vědy
Klíčové výhody	– Kratší doba instalace, správy a řešení potíží s nástroji a architekturami pro datové vědy - Zahrnuje nejnovější verze běžně používaných nástrojů a architektur. - Zahrnuje vysoce škálovatelné obrázky a grafické procesorové jednotky (GPU) pro náročné modelování dat.
Důležité informace	– Virtuální počítač není přístupný, když je offline. – Za spuštění virtuálního počítače se účtují poplatky za Azure, takže byste se měli ujistit, že běží jenom v případě, že ho potřebujete.

Azure Databricks

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

Azure Databricks použijte, když chcete spolupracovat na vytváření řešení strojového učení v Apache Sparku.

Funkce Azure Databricks	Popis
Typ	Analytická platforma založená na Apache Sparku
Podporované jazyky	- Python - R -Scala -SQL
Fáze strojového učení	- Příprava dat - Předběžné zpracování dat - Trénování modelu - Ladění modelů - Odvozování modelů - Řízení -Nasazení
Klíčové výhody	- Nastavení jedním kliknutím a zjednodušené pracovní postupy pro snadné použití – Interaktivní pracovní prostor pro spolupráci – Bezproblémová integrace s Azure - Škálovatelnost pro zpracování velkých datových sad a náročných výpočtů - Podpora různých jazyků a integrace s oblíbenými nástroji

ML.NET

ML.NET je opensourcová architektura strojového učení pro různé platformy. Pomocí ML.NET můžete vytvářet vlastní řešení strojového učení a integrovat je do vašich aplikací .NET. ML.NET poskytuje různé úrovně interoperability s oblíbenými architekturami, jako jsou TensorFlow a ONNX pro trénování a vyhodnocování modelů strojového učení a hlubokého učení. Pro úlohy náročné na prostředky, jako jsou trénovací modely klasifikace obrázků, můžete pomocí Azure trénovat modely 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.

funkce ML.NET	Popis
Typ	Opensourcová multiplatformní architektura pro vývoj vlastních aplikací strojového učení pomocí .NET
Podporované jazyky	- C# - F#
Fáze strojového učení	- Příprava dat -Školení -Nasazení
Klíčové výhody	– Žádný požadavek na zkušenosti s datovými vědami nebo strojovým učením – Známé jazyky a nástroje, jako je Visual Studio a VS Code – Nasadí aplikaci, ve které běží .NET. - Rozšiřitelný a škálovatelný návrh - Místní prostředí – AutoML pro úlohy automatizovaného strojového učení

AI pro aplikace pro Windows

Použití AI pro aplikace pro Windows k integraci funkcí AI do aplikací pro Windows Pomocí funkcí WinML a DirectML můžete poskytovat místní vyhodnocení modelu AI v reálném čase a hardwarovou akceleraci. WinML umožňuje vývojářům integrovat natrénované modely strojového učení přímo do svých aplikací pro Windows. Usnadňuje místní vyhodnocování modelů v reálném čase a umožňuje výkonné funkce umělé inteligence bez nutnosti připojení ke cloudu.

DirectML je vysoce výkonná hardwarově akcelerovaná platforma pro spouštění modelů strojového učení. Využívá rozhraní API DirectX k zajištění optimalizovaného výkonu napříč různými hardwaremi, včetně grafických procesorů a akcelerátorů AI.

AI pro aplikace pro Windows používejte, když chcete ve svých aplikacích pro Windows používat natrénované modely strojového učení.

Funkce AI pro aplikace pro Windows	Popis
Typ	Modul pro odvozování pro natrénované modely na zařízeních s Windows
Podporované jazyky	– C#/C++ – JavaScript
Fáze strojového učení	- Příprava dat - Trénování modelu -Nasazení
Klíčové výhody	– Místní vyhodnocení modelu AI v reálném čase - Vysoce výkonné zpracování AI napříč různými typy hardwaru, včetně procesorů, GPU a akcelerátorů AI – Konzistentní chování a výkon hardwaru Windows

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 a detekce anomálií. SynapseML je postaven na Apache Sparku distribuované výpočetní rozhraní a sdílí stejné rozhraní API jako knihovny SparkML a MLlib, takže můžete bez problémů 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), místních interpretovatelných Model-Agnostic vysvětlenía OpenCV. Tyto nástroje můžete použít k vytváření výkonných prediktivních modelů v jakémkoli clusteru Spark, jako je azure Databricks nebo azure Cosmos DB.

SynapseML také poskytuje 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 AI ve velkém měřítku. Pro nasazení na úrovni produkčního prostředí umožňuje projekt Obsluha Sparku vysokou propustnost a podmístní latenci webových služeb, které jsou podporovány vaším clusterem Spark.

Funkce SynapseML	Popis
Typ	Open source, distribuovaná architektura strojového učení a mikroslužeb pro Apache Spark
Podporované jazyky	-Scala -Java - Python - R - .NET
Fáze strojového učení	- Příprava dat - Trénování modelu -Nasazení
Klíčové výhody	-Škálovatelnost - Streamování a obsluha kompatibilní - Vysoká odolnost proti chybám
Důležité informace	Vyžaduje Apache Spark.

Přispěvatelé

Tento článek spravuje Microsoft. Původně byla napsána následujícími přispěvateli.

Hlavní autoři:

• Mahdi Setayesh | Hlavní softwarový inženýr

Pokud chcete zobrazit neveřejné profily LinkedIn, přihlaste se na LinkedIn.

Další kroky

• vývojové produkty umělé inteligence dostupné od Microsoftu
• školení Microsoft Learn o vývoji řešení umělé inteligence a strojového učení
• fungování služby Azure Machine Learning

Související prostředky

• zvolit technologii služeb Azure AI
• návrh architektury umělé inteligence