Comparación de productos y tecnologías de aprendizaje automático de Microsoft
Más información acerca de los productos y tecnologías de aprendizaje automático de Microsoft. Compare las opciones para ayudarle a elegir cómo compilar, implementar y administrar de forma más eficaz las soluciones de aprendizaje automático.
Productos de aprendizaje automático basados en la nube
Las siguientes opciones están disponibles para el aprendizaje automático en la nube de Azure.
| Opción de nube | Descripción | Características y usos |
|---|---|---|
| Azure Machine Learning | Plataforma administrada para el aprendizaje automático | Use un modelo entrenado previamente, o entrene, implemente y administre modelos en Azure mediante Python y una CLI. Machine Learning incluye características como el aprendizaje automático automatizado (AutoML), el flujo de mensajes, el catálogo de modelos y la integración de MLflow. Puede realizar un seguimiento y comprender el rendimiento del modelo durante la fase de producción. |
| Microsoft Fabric | Plataforma de análisis unificada | Administre todo el ciclo de vida de los datos, desde la ingesta hasta la información, mediante una plataforma completa que integra varios servicios y herramientas para profesionales de datos, incluidos ingenieros de datos, científicos de datos y analistas de negocios. |
| Servicios de Azure AI | Funcionalidades de inteligencia artificial precompiladas que se implementan a través de API REST y SDK | Cree aplicaciones inteligentes mediante lenguajes de programación estándar. Estos lenguajes llaman a API que proporcionan inferencias. Aunque lo ideal es tener experiencia en el aprendizaje automático y la ciencia de datos, los equipos de ingeniería que no tienen estas aptitudes también pueden adoptar esta plataforma. |
| Machine Learning Services en Azure SQL Managed Instance | Aprendizaje automático en la base de datos para SQL | Entrenamiento e implementación de modelos dentro de SQL Managed Instance. |
| Aprendizaje automático en Azure Synapse Analytics | Servicio de análisis que usa aprendizaje automático | Entrenamiento e implementación de modelos dentro de Azure Synapse Analytics. |
| Azure Databricks | Plataforma de análisis basada en Apache Spark | Construya e implemente modelos y flujos de trabajo de datos mediante la integración con bibliotecas de aprendizaje automático de código abierto y la plataforma de MLflow. |
Producto de aprendizaje automático local
La siguiente opción está disponible para el aprendizaje automático local. Los servidores locales también se pueden ejecutar en una máquina virtual (VM) en la nube.
| Producto local | Descripción | Características y usos |
|---|---|---|
| SQL Server servicios de aprendizaje automático | Aprendizaje automático en la base de datos para SQL | Entrene e implemente modelos dentro de SQL Server mediante scripts de Python y R. |
Plataformas y herramientas de desarrollo
Las siguientes plataformas y herramientas de desarrollo están disponibles para el aprendizaje automático.
| Plataforma o herramienta | Descripción | Características y usos |
|---|---|---|
| Portal de Azure AI Foundry | Entorno de desarrollo unificado para escenarios de inteligencia artificial y aprendizaje automático | Desarrolle, evalúe e implemente modelos y aplicaciones de inteligencia artificial. El portal de Azure AI Foundry facilita la colaboración y la administración de proyectos en varios servicios de Azure AI. Incluso puede usarlo como un entorno común en varios equipos de carga de trabajo. |
| Azure Machine Learning Studio | Herramienta colaborativa, de arrastrar y colocar para el aprendizaje automático | Compile, pruebe e implemente soluciones de análisis predictivo mediante la codificación mínima. Machine Learning Studio admite una amplia gama de algoritmos de aprendizaje automático y modelos de inteligencia artificial. Proporciona herramientas para la preparación de datos, el entrenamiento del modelo y la evaluación. |
| Azure Data Science Virtual Machine | Imagen de máquina virtual que incluye herramientas de ciencia de datos preinstaladas | Use un entorno preconfigurado con herramientas como Jupyter, R y Python para desarrollar soluciones de aprendizaje automático en sus propias máquinas virtuales. |
| Microsoft ML.NET | SDK de aprendizaje automático multiplataforma de código abierto | Desarrollo de soluciones de aprendizaje automático para aplicaciones .NET. |
| IA para aplicaciones de Windows | Motor de inferencia para modelos entrenados en dispositivos Windows | Integra las funcionalidades de inteligencia artificial en aplicaciones de Windows mediante componentes como de Windows Machine Learning (WinML) y Direct Machine Learning (DirectML) para la evaluación de modelos de INTELIGENCIA artificial local y en tiempo real y la aceleración de hardware. |
| SynapseML | Marco de código abierto, distribuido, de aprendizaje automático y de microservicios para Apache Spark | Crear e implementar aplicaciones de aprendizaje automático escalables para Scala y Python. |
| Extensión de aprendizaje automático para Azure Data Studio | Extensión de aprendizaje automático multiplataforma de código abierto para Azure Data Studio | Administre paquetes, importe modelos de aprendizaje automático, realice predicciones y cree cuadernos para ejecutar experimentos para las bases de datos SQL. |
Azure Machine Learning
machine Learning es un servicio en la nube totalmente administrado que puede usar para entrenar, implementar y administrar modelos de aprendizaje automático a escala. Es totalmente compatible con tecnologías de código abierto, por lo que puede usar decenas de miles de paquetes de Python de código abierto, como TensorFlow, PyTorch y scikit-learn.
También hay disponibles herramientas enriquecidas, como instancias de proceso, cuadernos de Jupytero la extensión de Azure Machine Learning para Visual Studio Code (VS Code). La extensión Machine Learning para VS Code es una extensión gratuita que le permite administrar los recursos y los flujos de trabajo de entrenamiento del modelo e implementaciones en VS Code. Machine Learning incluye características que automatizan la generación y optimización de modelos con facilidad, eficiencia y precisión.
Use el SDK de Python, cuadernos de Jupyter Notebook, R y la CLI para aprendizaje automático a escala de la nube. Si desea una opción de bajo código o sin código, utilice Designer en el estudio. El diseñador le ayuda a compilar, probar e implementar modelos con facilidad y rapidez mediante algoritmos de aprendizaje automático creados previamente. Además, puede integrar Machine Learning con Azure DevOps y Acciones de GitHub para la integración continua y la implementación continua (CI/CD) de modelos de aprendizaje automático.
| Característica de Machine Learning | Descripción |
|---|---|
| Type | Solución de aprendizaje automático basada en la nube |
| Idiomas admitidos | -Pitón - R |
| Fases de aprendizaje automático | - Preparación de datos - Entrenamiento de modelos -Despliegue - MLOps o administración - Inteligencia artificial responsable |
| Ventajas principales | - Opciones de creación de interfaces web de código primero (SDK) y estudio y diseñador de arrastrar y soltar - Administración central de scripts y historial de ejecución, lo que facilita la comparación de las versiones del modelo. - Fácil implementación y administración de modelos en la nube o dispositivos perimetrales - Entrenamiento escalable, implementación y administración de modelos de aprendizaje automático |
| Consideraciones | Requiere cierta familiaridad con el modelo de administración de modelos. |
Servicios de Azure AI
los servicios de inteligencia artificial es un conjunto completo de API precompiladas que ayudan a los desarrolladores y organizaciones a crear aplicaciones inteligentes y listas para el mercado rápidamente. Estos servicios proporcionan API y SDK predefinidos y personalizables que permiten a las aplicaciones ver, escuchar, hablar, comprender e interpretar las necesidades del usuario con código mínimo. Estas funcionalidades hacen que los conjuntos de datos o la experiencia en ciencia de datos sean innecesarios para entrenar modelos. Puede agregar características inteligentes a las aplicaciones, como:
- Vision: Incluye detección de objetos, reconocimiento facial y reconocimiento óptico de caracteres. Para más información, consulte Azure AI Vision, Azure AI Facey Azure AI Document Intelligence.
- Voz: Incluye funcionalidades de reconocimiento de voz a texto, texto a voz y reconocimiento de hablantes. Para obtener más información, consulte el servicio Voz.
- Language: Incluye traducción, análisis de sentimiento, extracción de frases clave y comprensión del lenguaje. Para obtener más información, consulte Azure OpenAI Service, Azure AI Translator, Lector inmersivo de Azure AI, Bot Framework Composery lenguaje de Azure AI.
- Toma de decisiones: Detectar contenido no deseado y tomar decisiones fundamentadas. Para más información, consulte Seguridad del contenido de Azure AI.
- Búsqueda y Conocimientos: Lleva las capacidades de búsqueda en la nube y minería de conocimientos con tecnología de IA a tus aplicaciones. Para más información, consulte Azure AI Search.
Use los servicios de inteligencia artificial para desarrollar aplicaciones en dispositivos y plataformas. Las API mejoran continuamente y son fáciles de configurar.
| Característica de servicios de inteligencia artificial | Descripción |
|---|---|
| Type | API para compilar aplicaciones inteligentes |
| Idiomas admitidos | Distintas opciones dependen del servicio. Las opciones estándar son C#, Java, JavaScript y Python. |
| Fases de aprendizaje automático | Implementación |
| Ventajas principales | - Compilación de aplicaciones inteligentes mediante modelos previamente entrenados que están disponibles a través de la API REST y el SDK - Usar varios modelos para métodos de comunicación naturales que tienen capacidades de visión, voz, lenguaje y toma de decisiones - No se requiere ningún aprendizaje automático o experiencia mínima en ciencia de datos - Las API son escalables y flexibles. - Puede elegir entre varios modelos. |
Aprendizaje automático de SQL
El aprendizaje automático de SQL agrega análisis estadísticos, visualización de datos y análisis predictivo en Python y R tanto en el entorno local como en la nube. Las plataformas y herramientas actuales incluyen:
- SQL Server Machine Learning Services.
- SQL Managed Instance Machine Learning Services.
- Aprendizaje automático en Azure Synapse Analytics.
- Extensión de Machine Learning para Azure Data Studio.
Use el aprendizaje automático de SQL cuando necesite análisis predictivo e inteligencia artificial integrados en datos relacionales en SQL.
| Característica de aprendizaje automático de SQL | Descripción |
|---|---|
| Type | Análisis predictivo local para datos relacionales |
| Idiomas admitidos | -Pitón - R -SQL |
| Fases de aprendizaje automático | - Preparación de datos - Entrenamiento de modelos -Despliegue |
| Ventajas principales | Encapsular la lógica predictiva en una función de base de datos. Este proceso facilita la inclusión de la lógica de capa de datos. |
| Consideraciones | Se supone que usa una base de datos SQL como nivel de datos para la aplicación. |
Azure AI Foundry
Azure AI Foundry es una plataforma unificada que puede usar para desarrollar e implementar aplicaciones de inteligencia artificial generativas y API de Azure AI de forma responsable. Proporciona un conjunto completo de funcionalidades de inteligencia artificial, una interfaz de usuario simplificada y experiencias de código primero. Estas características lo convierten en una plataforma completa para compilar, probar, implementar y administrar soluciones inteligentes.
Azure AI Foundry ayuda a los desarrolladores y científicos de datos a crear e implementar aplicaciones de inteligencia artificial generativas de forma eficaz mediante ofertas de Azure AI. Hace hincapié en el desarrollo responsable de la inteligencia artificial e inserta principios de equidad, transparencia y responsabilidad. La plataforma incluye herramientas para la detección de sesgos, la interpretabilidad y el aprendizaje automático que conserva la privacidad. Estas herramientas ayudan a garantizar que los modelos de inteligencia artificial sean eficaces, de confianza y compatibles con los requisitos normativos.
Como parte del ecosistema de Microsoft Azure, Azure AI Foundry proporciona herramientas y servicios sólidos que satisfacen diversas necesidades de inteligencia artificial y aprendizaje automático, incluido el procesamiento de lenguaje natural y la visión informática. Su integración con otros servicios de Azure ayuda a garantizar una escalabilidad y un rendimiento sin problemas, lo que hace que sea una opción ideal para las empresas.
El portal de Azure AI Foundry fomenta la colaboración y la innovación al proporcionar características como áreas de trabajo compartidas, control de versiones y entornos de desarrollo integrados. Al integrar herramientas y marcos de código abierto populares, Azure AI Foundry acelera el proceso de desarrollo para que las organizaciones puedan impulsar la innovación y mantenerse al día en el panorama competitivo de la inteligencia artificial.
| Característica de Azure AI Foundry | Descripción |
|---|---|
| Type | Entorno de desarrollo unificado para ia |
| Idiomas admitidos | Solo Python |
| Fases de aprendizaje automático | - Preparación de datos - Implementación (modelos como servicio (MaaS)) |
| Ventajas principales | - Facilita la colaboración y la administración de proyectos en varios servicios de inteligencia artificial. - Proporciona herramientas completas para crear, entrenar e implementar modelos de IA. - Enfatiza la inteligencia artificial responsable al proporcionar herramientas para la detección de sesgos, la interpretabilidad y la conservación de la privacidad del aprendizaje automático - Admite la integración con herramientas y marcos de código abierto populares. - Incluye el flujo de mensajes para crear y administrar flujos de trabajo basados en mensajes: el flujo de mensajes simplifica el ciclo de desarrollo de aplicaciones de inteligencia artificial con tecnología de modelos de lenguaje. |
Azure Machine Learning Studio
Azure Machine Learning Studio es una herramienta colaborativa de arrastrar y colocar que le permite crear, probar e implementar soluciones de análisis predictivo en sus datos. Está diseñado para científicos de datos, ingenieros de datos y analistas de negocios. Machine Learning Studio admite una amplia gama de algoritmos y herramientas de aprendizaje automático para la preparación de datos, el entrenamiento del modelo y la evaluación. También proporciona una interfaz visual para conectar conjuntos de datos y módulos en un lienzo interactivo.
| Característica de Machine Learning Studio | Descripción |
|---|---|
| Type | Herramienta colaborativa, de arrastrar y colocar para el aprendizaje automático |
| Idiomas admitidos | -Pitón - R - Scala - Java (experiencia limitada) |
| Fases de aprendizaje automático | - Preparación de datos - Entrenamiento de modelos -Despliegue |
| Ventajas principales | : no requiere ninguna codificación para crear modelos de aprendizaje automático. : admite una amplia gama de algoritmos y herramientas de aprendizaje automático para la preparación de datos, el entrenamiento del modelo y la evaluación. - Proporciona una interfaz visual para conectar conjuntos de datos y módulos en un lienzo interactivo. - Admite la integración con Machine Learning para tareas avanzadas de aprendizaje automático. |
Para obtener una comparación completa de Machine Learning Studio y el portal de Azure AI Foundry, consulte portal de Azure AI Foundry o Machine Learning Studio. En la tabla siguiente se resumen las diferencias clave entre ellas:
| Category | Característica | Portal de Azure AI Foundry | Estudio de Aprendizaje Automático |
|---|---|---|---|
| almacenamiento de datos | Solución de almacenamiento | No | Sí (sistema de archivos en la nube, OneLake, Azure Storage) |
| preparación de datos | Integración de datos | Sí (Azure Blob Storage, OneLake, Azure Data Lake Storage) | Sí (copiar y montar mediante cuentas de Almacenamiento de Azure) |
| Desarrollo | Herramientas de code-first | Sí (VS Code) | Sí (Cuadernos, Jupyter, VS Code, R Studio) |
| Idiomas | Idiomas compatibles | Solo Python | Python, R, Scala, Java |
| Cursos | AutoML | No | Sí (regresión, clasificación, previsión, CV, NLP) |
| Destinos de proceso | Proceso de entrenamiento | Sin servidor (MaaS, flujo de solicitud) | Clústeres de Spark, clústeres de aprendizaje automático, Azure Arc |
| IA generativa | Catálogo de modelos de lenguaje | Sí (Azure OpenAI, Hugging Face, Meta) | Sí (Azure OpenAI, Hugging Face, Meta) |
| Implementación | Servicio por lotes y en tiempo real | En tiempo real (MaaS) | Puntos de conexión de Batch, Azure Arc |
| Gobernanza | Herramientas de inteligencia artificial responsable | No | Sí (panel de IA responsable) |
Microsoft Fabric
Fabric es una plataforma de análisis unificada de un extremo a otro que reúne todas las herramientas de datos y análisis que necesitan las organizaciones. Integra varios servicios y herramientas para proporcionar una experiencia perfecta para los profesionales de datos, incluidos ingenieros de datos, científicos de datos y analistas de negocios. Fabric proporciona funcionalidades para la integración de datos, la ingeniería de datos, el almacenamiento de datos, la ciencia de datos, el análisis en tiempo real y la inteligencia empresarial.
Use Fabric cuando necesite una plataforma completa para administrar todo el ciclo de vida de los datos desde la ingesta hasta la información.
| Característica de tejido | Descripción |
|---|---|
| Type | Plataforma de análisis unificada |
| Idiomas admitidos | -Pitón - R -SQL - Scala |
| Fases de aprendizaje automático | - Preparación de datos - Entrenamiento de modelos -Despliegue - Análisis en tiempo real |
| Ventajas principales | - Plataforma unificada para todas las necesidades de datos y análisis - Integración sin problemas con otros servicios de Microsoft - Escalable y flexible : admite una amplia gama de herramientas de datos y análisis. - Facilita la colaboración entre distintos roles de una organización. - Gestión del ciclo de vida de los datos de extremo a extremo, desde la incorporación hasta obtener información valiosa - Funcionalidades de análisis y inteligencia empresarial en tiempo real - Soporte para el entrenamiento e implementación de modelos de aprendizaje automático - Integración con herramientas y marcos de aprendizaje automático populares - Herramientas para la preparación de datos y la ingeniería de características - Inferencia y análisis de aprendizaje automático en tiempo real |
Máquina virtual de ciencia de datos de Azure
Azure Data Science Virtual Machine es un entorno de máquina virtual personalizado en la nube de Microsoft Azure. Está disponible en versiones para Windows y Linux Ubuntu. El entorno está específicamente para las tareas de ciencia de datos y el desarrollo de soluciones de aprendizaje automático. Tiene muchas funciones populares de ciencia de datos, marcos de aprendizaje automático y otras herramientas preinstaladas y preconfiguradas para que pueda empezar a crear aplicaciones inteligentes para análisis avanzados.
Use Data Science VM cuando necesite ejecutar o hospedar los trabajos en un solo nodo o si necesita escalar verticalmente el procesamiento de forma remota en una sola máquina.
| Característica de Azure Data Science Virtual Machine | Descripción |
|---|---|
| Type | Entorno de máquina virtual personalizado para la ciencia de datos |
| Ventajas principales | - Tiempo reducido para instalar, administrar y solucionar problemas de marcos y herramientas de ciencia de datos : incluye las versiones más recientes de las herramientas y marcos de trabajo más usados. - Incluye imágenes altamente escalables y funcionalidades de unidad de procesamiento de gráficos (GPU) para el modelado intensivo de datos |
| Consideraciones | - No se puede acceder a la máquina virtual cuando está sin conexión. - La ejecución de una máquina virtual incurre en cargos de Azure, por lo que debe asegurarse de que se ejecuta solo cuando lo necesite. |
Azure Databricks
azure Databricks es una plataforma de análisis basada en Apache Spark optimizada para la plataforma en la nube de Microsoft Azure. Azure Databricks se integra con Azure para proporcionar una configuración con un solo clic, flujos de trabajo simplificados y un área de trabajo interactiva que permite la colaboración entre científicos de datos, ingenieros de datos y analistas de negocios. Use código de Python, Scala, R y SQL en cuadernos web para consultar, visualizar y modelar datos.
Use Azure Databricks cuando quiera colaborar en la creación de soluciones de aprendizaje automático en Apache Spark.
| Característica de Azure Databricks | Descripción |
|---|---|
| Type | Plataforma de análisis basada en Apache Spark |
| Idiomas admitidos | -Pitón - R - Scala -SQL |
| Fases de aprendizaje automático | - Preparación de datos - Preprocesamiento de datos - Entrenamiento de modelos - Ajuste del modelo - Inferencia de modelos -Administración -Despliegue |
| Ventajas principales | - Configuración con un solo clic y flujos de trabajo optimizados para facilitar el uso - Área de trabajo interactiva para la colaboración - Integración sin problemas con Azure - Escalabilidad para controlar grandes conjuntos de datos y cálculos intensivos - Compatibilidad con varios lenguajes e integración con herramientas populares |
ML.NET
ML.NET es un marco de aprendizaje automático multiplataforma de código abierto. Use ML.NET para crear soluciones de aprendizaje automático personalizadas e integrarlas en las aplicaciones de .NET. ML.NET proporciona varios niveles de interoperabilidad con marcos populares como TensorFlow y ONNX para entrenar y puntuar modelos de aprendizaje automático y aprendizaje profundo. En el caso de tareas que consumen muchos recursos, como entrenar modelos de clasificación de imágenes, puede usar Azure para entrenar los modelos en la nube.
Utilice ML.NET cuando desee integrar soluciones de aprendizaje automático en aplicaciones. NET. Elija entre la API para una experiencia de Code First y Model Builder o la CLI para una experiencia de código bajo.
| característica de ML.NET | Descripción |
|---|---|
| Type | Marco multiplataforma de código abierto para desarrollar aplicaciones de aprendizaje automático personalizadas con .NET |
| Idiomas admitidos | - C# - F# |
| Fases de aprendizaje automático | - Preparación de datos -Adiestramiento -Despliegue |
| Ventajas principales | - No hay ningún requisito para la experiencia de ciencia de datos o aprendizaje automático. - Lenguajes y herramientas conocidos como Visual Studio y VS Code : implementa la aplicación donde se ejecuta .NET. - Diseño extensible y escalable - Experiencia primero local - AutoML para tareas de aprendizaje automático automatizado |
IA para aplicaciones de Windows
Usa IA para aplicaciones de Windows para integrar capacidades de inteligencia artificial en las aplicaciones de Windows. Emplea las capacidades de WinML y DirectML para ofrecer evaluación local y en tiempo real de modelos de IA y aceleración de hardware. WinML permite a los desarrolladores integrar modelos de aprendizaje automático entrenados directamente en sus aplicaciones de Windows. Facilita la evaluación local y en tiempo real de los modelos y permite funcionalidades de inteligencia artificial eficaces sin necesidad de conectividad en la nube.
DirectML es una plataforma acelerada por hardware de alto rendimiento para ejecutar modelos de aprendizaje automático. Usa las API de DirectX para proporcionar un rendimiento optimizado en hardware diverso, incluidas las GPU y los aceleradores de IA.
Utilice IA para aplicaciones de Windows cuando desee usar modelos de aprendizaje automático entrenados en ellas.
| Característica de IA para aplicaciones de Windows | Descripción |
|---|---|
| Type | Motor de inferencia para modelos entrenados en dispositivos Windows |
| Idiomas admitidos | - C#/C++ - JavaScript |
| Fases de aprendizaje automático | - Preparación de datos - Entrenamiento de modelos -Despliegue |
| Ventajas principales | - Evaluación del modelo de IA local y en tiempo real - Procesamiento de inteligencia artificial de alto rendimiento en varios tipos de hardware, incluidas las CPU, las GPU y los aceleradores de IA. - Comportamiento y rendimiento coherentes en todo el hardware de Windows |
SynapseML
SynapseML, anteriormente conocido como MMLSpark, es una biblioteca de código abierto que simplifica la creación de canalizaciones de aprendizaje automático escalables de forma masiva. SynapseML proporciona API para diversas tareas de aprendizaje automático, como análisis de texto, visión y detección de anomalías. SynapseML se basa en la Apache Spark marco de computación distribuida y comparte la misma API que las bibliotecas sparkML y MLlib, por lo que puede insertar sin problemas modelos de SynapseML en flujos de trabajo de Apache Spark existentes.
SynapseML agrega muchas herramientas de ciencia de datos y aprendizaje profundo al ecosistema de Spark, incluida la perfecta integración de canalizaciones de Spark Machine Learning con Máquina de potenciación del gradiente ligera (LightGBM), Local Interpretable Model-Agnostic Explanations y OpenCV. Puede usar estas herramientas para crear modelos predictivos eficaces en cualquier clúster de Spark, como Azure Databricks o azure Cosmos DB.
SynapseML también proporciona funcionalidades de red al ecosistema de Spark. Con el proyecto HTTP en Spark, los usuarios pueden insertar cualquier servicio web en sus modelos SparkML. Además, SynapseML proporciona herramientas fáciles de usar para orquestar los servicios de AI a gran escala. Para la implementación de grado de producción, el proyecto Spark Serving permite un alto rendimiento y servicios web con latencia de submilisegundos respaldados por el clúster de Spark.
| Función SynapseML | Descripción |
|---|---|
| Type | Marco de código abierto, distribuido, de aprendizaje automático y de microservicios para Apache Spark |
| Idiomas admitidos | - Scala -Java -Pitón - R -.NET |
| Fases de aprendizaje automático | - Preparación de datos - Entrenamiento de modelos -Despliegue |
| Ventajas principales | -Escalabilidad - Compatibilidad de streaming y Serving - Tolerancia alta a errores |
| Consideraciones | Requiere Apache Spark |
Colaboradores
Microsoft mantiene este artículo. Originalmente lo escribieron los siguientes colaboradores.
Creadores de entidad de seguridad:
- Mahdi Setayesh | Ingeniero principal de software
Para ver perfiles de LinkedIn no públicos, inicie sesión en LinkedIn.
Pasos siguientes
- productos de desarrollo de IA disponibles en Microsoft
- Microsoft Learn: formación en el desarrollo de soluciones de IA y aprendizaje automático
- Funcionamiento de Azure Machine Learning