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.
| Možnosti cloudu | Co to je | Jaké nabízí možnosti |
|---|---|---|
| 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. Zahrnuje funkce, jako je automatizované strojové učení (AutoML), tok výzvy, katalog modelů a integrace MLflow. Sledování a pochopení výkonu modelu během produkčního prostředí |
| Microsoft Fabric | Jednotná analytická platforma | Správa celého životního cyklu 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 | Předdefinované funkce AI implementované prostřednictvím rozhraní REST API a sad SDK | Vytvářejte inteligentní aplikace pomocí standardních programovacích jazyků, které volají rozhraní API, která poskytují odvozování. I když je odborné znalosti strojového učení a datových věd stále ideální k tomu, aby tuto platformu mohly přijmout i technické týmy bez takových dovedností. |
| Azure SQL Managed Instance Machine Learning Services | Strojové učení v databázi pro SQL | Trénování a nasazování modelů ve službě Azure SQL Managed Instance |
| Strojové učení ve službě Azure Synapse Analytics | Analytická služba s využitím strojového 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 pomocí integrací s opensourcovými knihovnami strojového učení a platformou MLflow . |
Místní produkt strojového učení
Pro místní strojové učení je k dispozici následující možnost. Místní servery můžou běžet také na virtuálním počítači v cloudu.
| Místní | Co to je | Jaké nabízí možnosti |
|---|---|---|
| SQL Server Machine Learning Services | Strojové učení v databázi pro SQL | Trénování a nasazování modelů na SQL Serveru pomocí skriptů Pythonu a R |
Vývojové platformy a nástroje
Pro strojové učení jsou k dispozici následující vývojové platformy a nástroje.
| Platformy/nástroje | Co to je | Jaké nabízí možnosti |
|---|---|---|
| Azure AI Studio | Jednotné vývojové prostředí pro scénáře AI a ML | Vývoj, vyhodnocení a nasazení modelů a aplikací AI Usnadňuje spolupráci a řízení projektů v různých službách Azure AI a dá se dokonce použít jako společné prostředí napříč několika týmy úloh. |
| Azure Machine Learning Studio | Nástroj pro spolupráci, přetahování pro strojové učení | Vytvářejte, testujte a nasazujte řešení prediktivní analýzy s minimálním kódováním. Podporuje širokou škálu algoritmů strojového učení a modelů AI. Obsahuje nástroje pro přípravu dat, trénování modelů a hodnocení. |
| Azure Data Science Virtual Machine | Image virtuálního počítače s předinstalovanými nástroji pro datové vědy | Vyvíjejte řešení strojového učení na vlastních virtuálních počítačích s tímto předem nakonfigurovaným prostředím pomocí nástrojů, jako jsou Jupyter, R a Python. |
| ML.NET | Opensourcová sada SDK pro multiplatformní strojové učení | Vývoj řešení strojového učení pro aplikace .NET |
| Windows AI | Modul odvozování pro natrénované modely na zařízeních s Windows | Platforma, která integruje možnosti umělé inteligence do aplikací pro Windows pomocí komponent, jako je Windows Machine Learning (WinML) a Direct Machine Learning (DirectML) pro místní vyhodnocení modelu AI v reálném čase a hardwarová akcelerace. |
| SynapseML | Architektura opensourcových, distribuovaných, 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 | Správa balíčků, import modelů strojového učení, vytváření předpovědí a vytváření poznámkových bloků pro spouštění experimentů pro databáze SQL |
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 (VS Code), které umožňuje spravovat prostředky, trénovací pracovní postupy modelu 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. Kromě toho Azure Machine Learning poskytuje integraci s Azure DevOps a GitHub Actions pro kontinuální integraci a průběžné nasazování modelů strojového učení (CI/CD).
| Položka | Popis |
|---|---|
| Typ | Cloudové řešení strojového učení |
| Podporované jazyky | Python, R |
| Fáze strojového učení | Příprava dat Trénování modelu Nasazení MLOps/správa Zodpovědná AI |
| Klíčové výhody | Kód first (SDK) a studio a možnosti vytváření webového rozhraní návrháře přetahování myší Centrální správa skriptů a historie spuštění, což usnadňuje porovnání verzí modelu. Snadné nasazení a správa modelů do cloudových nebo hraničních zařízení Nabízí škálovatelné trénování, nasazování a správu modelů strojového učení. |
| Důležité informace | Vyžaduje určitou znalost modelu správy modelů. |
Služby Azure AI
Služby Azure AI jsou komplexní sadou předem připravených rozhraní API, která vývojářům a organizacím umožňují rychle vytvářet inteligentní aplikace připravené na trhu. Tyto služby nabízejí integrované a přizpůsobitelné rozhraní API a sady SDK, které umožňují vašim aplikacím zobrazovat, slyšet, mluvit, rozumět a interpretovat potřeby uživatelů s minimálním kódem, takže není nutné při trénování modelů přinést datové sady nebo odborné znalosti datových věd. Do svých aplikací můžete přidat 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 funkce Document Intelligence.
- 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. Další informace najdete v tématu Azure OpenAI Services, Translator, Asistivní čtečka, Bot Service a Jazykové služby.
- Rozhodnutí: zjišťování nežádoucího obsahu a přijímání informovaných rozhodnutí o bezpečnosti obsahu.
- Vyhledávání a znalosti: Funkce cloudového vyhledávání a dolování znalostí využívající AI do vašich aplikací. Další informace najdete v tématu Azure AI Search.
Pomocí služeb Azure AI můžete vyvíjet aplikace na různých zařízeních a platformách. Rozhraní API se neustále zlepšují a je snadné je nastavit.
| Položka | Popis |
|---|---|
| Typ | Rozhraní API pro vytváření inteligentních aplikací |
| Podporované jazyky | Různé možnosti v závislosti na službě. Standardní jsou C#, Java, JavaScript a Python. |
| Fáze strojového učení | Nasazení |
| Klíčové výhody | Vytvářejte inteligentní aplikace pomocí předem natrénovaných modelů dostupných prostřednictvím rozhraní REST API a sady SDK. Různé modely pro přirozené komunikační metody s využitím zraku, řeči, jazyka a rozhodování. Nevyžaduje se žádné nebo minimální znalosti strojového učení nebo datových věd. Škálovatelnost a flexibilita Různé modely. |
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
- Azure 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.
| Položka | 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 usnadňuje zahrnutí do logiky datové vrstvy. |
| Důležité informace | Předpokládá databázi SQL jako datovou vrstvu vaší aplikace. |
Azure AI Studio
Azure AI Studio je jednotná platforma pro vývoj a nasazování aplikací generující umělé inteligence a rozhraní API Azure AI zodpovědně. Nabízí komplexní sadu funkcí umělé inteligence, zjednodušené uživatelské rozhraní a prostředí pro první použití kódu, díky čemuž je jediným místem pro vytváření, testování, nasazování a správu inteligentních řešení. Azure AI Studio pomáhá vývojářům a datovým vědcům efektivně vytvářet a nasazovat generující aplikace AI pomocí rozsáhlých nabídek AI v Azure. Azure AI Studio klade důraz na zodpovědný vývoj umělé inteligence s vloženými principy nestrannosti, transparentnosti a odpovědnosti. Tato platforma zahrnuje nástroje pro detekci předsudků, interpretovatelnost a zachování ochrany osobních údajů ve strojovém učení, které zajišťují, aby modely AI byly výkonné, důvěryhodné a vyhovující zákonným požadavkům. V rámci ekosystému Microsoft Azure poskytuje AI Studio robustní nástroje a služby, které poskytují různé potřeby umělé inteligence a strojového učení, od zpracování přirozeného jazyka až po počítačové zpracování obrazu. Integrace s dalšími službami Azure zajišťuje bezproblémovou škálovatelnost a výkon, což je ideální pro podniky. Azure AI Studio také podporuje spolupráci a inovace a podporuje prostředí pro spolupráci s funkcemi, jako jsou sdílené pracovní prostory, správa verzí a integrovaná vývojová prostředí. Díky integraci oblíbených opensourcových architektur a nástrojů Azure AI Studio urychlí proces vývoje a umožní organizacím podpořit inovace a pokračovat v konkurenceschopné oblasti AI.
| Položka | Popis |
|---|---|
| Typ | Jednotné vývojové prostředí pro AI |
| Podporované jazyky | Pouze Python |
| Fáze strojového učení | Příprava dat Nasazení (modely jako služba) |
| Klíčové výhody | Usnadňuje spolupráci a řízení projektů napříč různými službami Azure AI. Poskytuje komplexní nástroje pro vytváření, trénování a nasazování modelů AI. Zdůrazňuje zodpovědnou AI pomocí nástrojů pro detekci předsudků, interpretovatelnost a zachování ochrany osobních údajů ve strojovém učení. Podporuje integraci s oblíbenými opensourcovými architekturami a nástroji. Zahrnuje Microsoft Prompt Flow pro vytváření a správu pracovních postupů založených na výzev, což zjednodušuje vývojový cyklus aplikací umělé inteligence využívajících velké jazykové modely (LLM). |
Studio Azure Machine Learning
Azure Machine Learning Studio je nástroj pro spolupráci, který umožňuje přetahování na data vytvářet, testovat a nasazovat řešení prediktivní analýzy. Je určená pro datové vědce, datové inženýry a obchodní analytiky. studio Azure Machine Learning 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.
| Položka | Popis |
|---|---|
| Typ | Nástroj pro spolupráci, přetahování pro strojové učení |
| Podporované jazyky | Python, R, Scala a Java (omezené prostředí) |
| Fáze strojového učení | Příprava dat Trénování modelu Nasazení |
| Klíčové výhody | K vytváření modelů strojového učení není potřeba žádné kódování. 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 Azure Machine Learning pro pokročilé úlohy strojového učení. |
Komprimativní porovnání studio Azure Machine Learning a Azure AI Studia najdete v tématu AI Studio nebo Azure Machine Learning Studio. Tady jsou některé klíčové rozdíly mezi těmito dvěma:
| Kategorie | Funkce | Azure AI Studio | Studio Azure Machine Learning |
|---|---|---|---|
| Úložiště dat | Řešení úložiště | No | Ano (cloudový systém souborů, OneLake, Azure Storage) |
| Příprava dat | Integrace dat | Ano (úložiště objektů blob, OneLake, ADLS) | Ano (kopírování a připojení pomocí účtů azure Storage) |
| Vývoj | Nástroje pro první kód | Ano (Visual Studio Code (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) |
| Cílové výpočetní objekty | Trénování výpočetních prostředků | Bezserverový (MaaS, tok výzvy) | Clustery Spark, clustery ML, Azure Arc |
| Generování umělé inteligence | Katalog LLM | 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
Microsoft Fabric je ucelená sjednocená analytická platforma, která spojuje všechny datové 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. Microsoft Fabric nabízí možnosti pro integraci dat, přípravu dat, datové sklady, datové vědy, analýzy v reálném čase a business intelligence.
Microsoft Fabric použijte, když potřebujete komplexní platformu pro správu celého životního cyklu dat, od příjmu dat až po přehledy.
| Položka | Popis |
|---|---|
| Typ | Jednotná analytická platforma |
| Podporované jazyky | Python, R, SQL, Scala |
| Fáze strojového učení | Příprava dat Trénování modelu Nasazení Analýza v reálném čase |
| Klíčové výhody | Jednotná platforma pro všechny potřeby dat a analýz Bezproblémová integrace s jinými služby Microsoft 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 Možnosti analýzy a business intelligence v reálném čase. Podporuje trénování a nasazení modelu strojového učení. Integrace s oblíbenými architekturami a nástroji strojového učení Poskytuje nástroje pro přípravu dat a přípravu funkcí. Umožňuje odvozovat a analyzovat strojové učení v reálném čase. |
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.
| Položka | Popis |
|---|---|
| Typ | Přizpůsobené prostředí virtuálních počítačů pro datové vědy |
| Klíčové výhody | Kratší doba instalace, správy a řešení potíží s nástroji a architekturami datových věd Součástí jsou nejnovější verze všech běžně používaných nástrojů a architektur. Možnosti virtuálních počítačů zahrnují vysoce škálovatelné image s funkcemi grafického procesoru (GPU) pro modelování náročných dat. |
| Důležité informace | K virtuálnímu počítači není možné získat přístup při offline režimu. Při spuštění virtuálního počítače se účtují poplatky za Azure, takže musíte být opatrní, abyste ho měli spuštěný jenom v případě potřeby. |
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.
| Položka | 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 Správa 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. 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.
| Položka | 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 | Prostředí pro datové vědy a strojové učení se nevyžaduje Použití známých nástrojů (Visual Studio, Microsoft Visual Studio Code) a jazyků Nasazení, kde běží .NET Rozšiřitelný Škálovatelné Prostředí místního prostředí AutoML pro úlohy automatizovaného strojového učení |
Windows AI
Windows AI Windows AI je výkonná platforma, která integruje funkce umělé inteligence do aplikací pro Windows, s využitím silných stránek Windows Machine Learning (WinML) a Direct Machine Learning (DirectML) k zajištění místního vyhodnocení modelu AI v reálném čase a akcelerace hardwaru. WinML umožňuje vývojářům integrovat natrénované modely strojového učení přímo do svých aplikací pro Windows. Usnadňuje místní vyhodnocení modelů v reálném čase a umožňuje výkonné funkce umělé inteligence bez nutnosti cloudového připojení.
DirectML je vysoce výkonná hardwarově akcelerovaná platforma pro spouštění modelů strojového učení. Využívá rozhraní DirectX API k zajištění optimalizovaného výkonu napříč různými hardwaremi, včetně grafických procesorů a akcelerátorů AI.
AI pro Windows použijte, když chcete v aplikacích Windows používat natrénované modely strojového učení.
| Položka | Popis |
|---|---|
| Typ | Modul pro odvozování pro natrénované modely na zařízeních s Windows |
| Fáze strojového učení | Příprava dat Trénování modelu Nasazení |
| Podporované jazyky | C#/C++, JavaScript |
| Klíčové výhody | Místní vyhodnocení modelu AI v reálném čase Zajištění vysoce výkonného zpracování AI napříč různými typy hardwaru, včetně procesorů, GPU a akcelerátorů AI Zajišťuje konzistentní chování a výkon v různých hardwarech 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, 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.
| Položka | Popis |
|---|---|
| Typ | Open source, distribuovaná architektura strojového učení a mikroslužeb pro Apache Spark |
| Podporované jazyky | Scala, Java, Python, R a .NET |
| Fáze strojového učení | Příprava dat Trénování modelu Nasazení |
| Klíčové výhody | Škálovatelnost Kompatibilní streamování a obsluha 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
Další kroky
- Seznamte se se všemi vývojářskými produkty umělé inteligence (AI), které jsou k dispozici od Microsoftu: platforma Microsoft AI.
- Získejte školení k vývoji řešení umělé inteligence a strojového učení pomocí Microsoftu: Školení k Microsoft Learn.
- Přečtěte si další informace o Microsoft Fabric: Microsoft Fabric.
- Seznamte se se službami Azure AI: Služby Azure AI.
- Prozkoumejte Azure Machine Learning: Azure Machine Learning.
- Seznamte se s Azure Databricks: Azure Databricks.
- Seznamte se s Azure Synapse Analytics: Azure Synapse Analytics.
- Prozkoumejte službu Azure SQL Managed Instance Machine Learning Services: Azure SQL Managed Instance Machine Learning Services.