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.
| Opciones de nube | ¿Qué es? | Qué puede hacer con él |
|---|---|---|
| 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 la CLI. Incluye características como el aprendizaje automático automatizado (AutoML), el flujo de mensajes, el catálogo de modelos y la integración de MLflow. Seguimiento y comprensión del rendimiento del modelo durante la producción |
| Microsoft Fabric | Plataforma de análisis unificada | Administre todo el ciclo de vida de los datos, desde la ingesta hasta la información, con una plataforma completa que integra diversos servicios y herramientas para profesionales de datos, incluidos ingenieros de datos, científicos de datos y analistas de negocios. |
| Servicios de Azure AI | Funcionalidades de IA preintegradas implementadas mediante API REST y SDK | Cree aplicaciones inteligentes con lenguajes de programación estándar que llamen a las API que proporcionan inferencia. Aunque el aprendizaje automático y la experiencia en ciencia de datos siguen siendo ideales para tener, los equipos de ingeniería también pueden adoptar esta plataforma sin esas aptitudes. |
| Machine Learning Services en Azure SQL Managed Instance | Aprendizaje automático en la base de datos para SQL | Entrenar e implementar modelos en Azure SQL Managed Instance |
| Aprendizaje automático en Azure Synapse Analytics | Servicio de análisis con aprendizaje automático | Entrenar e implementar modelos en Azure Synapse Analytics |
| Azure Databricks | Plataforma de análisis basada en Apache Spark | Cree e implemente modelos y flujos de trabajo de datos con integraciones con bibliotecas de aprendizaje automático de código abierto y la plataforma MLflow. |
Producto de aprendizaje automático local
La siguiente opción está disponible para el aprendizaje automático local. En los servidores locales también se pueden ejecutar en una máquina virtual en la nube.
| Local | ¿Qué es? | Qué puede hacer con él |
|---|---|---|
| SQL Server Machine Learning Services | Aprendizaje automático en la base de datos para SQL | Entrenamiento e implementación de 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.
| Plataformas/herramientas | ¿Qué es? | Qué puede hacer con él |
|---|---|---|
| Azure AI Studio | Entorno de desarrollo unificado para escenarios de inteligencia artificial y aprendizaje automático | Desarrolle, evalúe e implemente modelos y aplicaciones de inteligencia artificial. Facilita la colaboración y la administración de proyectos en varios servicios de Azure AI e incluso se puede usar como un entorno común en varios equipos de cargas de trabajo. |
| Azure Machine Learning Studio | Herramienta colaborativa, de arrastrar y colocar para el aprendizaje automático | Compile, pruebe e implemente soluciones de análisis predictivo con codificación mínima. Admite una amplia gama de algoritmos de aprendizaje automático y modelos de inteligencia artificial. Tiene herramientas para la preparación de datos, el entrenamiento del modelo y la evaluación. |
| Azure Data Science Virtual Machine | Imagen de máquina virtual con herramientas de ciencia de datos preinstaladas | Desarrolle soluciones de aprendizaje automático en sus propias máquinas virtuales con este entorno preconfigurado con herramientas como Jupyter, R y Python. |
| ML.NET | SDK de aprendizaje automático multiplataforma de código abierto | Desarrollo de soluciones de aprendizaje automático para aplicaciones .NET. |
| Inteligencia artificial de Windows | Motor de inferencia para modelos entrenados en dispositivos Windows | Una plataforma que integra funcionalidades de inteligencia artificial en aplicaciones de Windows mediante componentes como Windows Machine Learning (WinML) y Direct Machine Learning (DirectML) para la evaluación de modelos de IA 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 Machine Learning para Azure Data Studio | Extensión de aprendizaje automático multiplataforma de código abierto para Azure Data Studio | Administrar paquetes, importar modelos de aprendizaje automático, realizar predicciones y crear cuadernos para ejecutar experimentos para las bases de datos SQL |
Azure Machine Learning
Azure Machine Learning es un servicio en la nube totalmente administrado que se utiliza para entrenar, implementar y administrar modelos de aprendizaje automático a escala. Además, es totalmente compatible con las tecnologías de código abierto, por lo que puede utilizar decenas de miles de paquetes de Python de código abierto como TensorFlow, PyTorch y scikit-learn. Las herramientas enriquecidas también están disponibles, como instancias de proceso, cuadernos de Jupyter Notebook o la extensión Azure Machine Learning para Visual Studio Code (VS Code), una extensión gratuita que le permite administrar los recursos, los flujos de trabajo de entrenamiento de modelos e implementaciones en Visual Studio Code. Azure Machine Learning incluye características que automatizan la generación y el ajuste de modelos con facilidad, eficacia y precisión.
Use el SDK de Python, cuadernos de Jupyter Notebook, R y la CLI para aprendizaje automático a escala de la nube. Para una opción con poco código o sin código, use el diseñador interactivo de Azure Machine Learning en Studio para crear, probar e implementar con facilidad y rapidez modelos mediante algoritmos de aprendizaje automático pregenerados. Además, Azure Machine Learning proporciona integración con Azure DevOps y Acciones de GitHub para la integración continua e implementación continua (CI/CD) de modelos de aprendizaje automático.
| Elemento | Descripción |
|---|---|
| Type | Solución de aprendizaje automático basada en la nube |
| Idiomas admitidos | Python, R |
| Fases de aprendizaje automático | Preparación de los datos Entrenamiento del modelo Implementación MLOps/Administración IA responsable |
| Ventajas principales | Opciones de creación de interfaz web de diseñador de arrastrar y colocar y Code First (SDK) y Studio. La administración centralizada de scripts y el historial de ejecución que facilitan la comparación entre las versiones de un modelo. Fácil implementación y administración de modelos en la nube o en dispositivos perimetrales. Ofrece entrenamiento, implementación y administración escalables de modelos de aprendizaje automático. |
| Consideraciones | Se necesitan algunos conocimientos sobre el modelo de administración de modelos. |
Servicios de Azure AI
Los servicios de Azure AI son un conjunto completo de API pregeneradas que permiten a los desarrolladores y organizaciones crear rápidamente aplicaciones inteligentes y listas para el mercado. Estos servicios ofrecen API y SDK predefinidos y personalizables que permiten a las aplicaciones ver, escuchar, hablar, comprender e interpretar las necesidades del usuario con código mínimo, lo que hace que no sea necesario incorporar conjuntos de datos o experiencia en ciencia de datos para entrenar modelos. Puede agregar características inteligentes a las aplicaciones, como:
- Visión: detección de objetos, reconocimiento facial, reconocimiento óptico de caracteres (OCR), etc. Para obtener más información, consulte Computer Vision, Face, Document Intelligence.
- Voz: conversión de voz a texto, texto a voz, Speaker Recognition, etc. Para obtener más información, consulte el servicio Voz.
- Idioma: traducción, análisis de sentimientos, extracción de frases clave, reconocimiento del lenguaje, etc. Para más información, consulte Azure OpenAI Services, Translator, Lector inmersivo, Bot Service y Language Services.
- Decisión: detectar contenido no deseado y tomar decisiones fundamentadas Seguridad del contenido.
- Búsqueda y conocimiento: incorpore las funcionalidades de minería de conocimiento y búsqueda en la nube con tecnología de INTELIGENCIA ARTIFICIAL a sus aplicaciones. Para más información, consulte Azure AI Search.
Use los servicios de Azure AI para desarrollar aplicaciones en distintos dispositivos y plataformas. Las API siguen mejorando y son fáciles de configurar.
| Elemento | Descripción |
|---|---|
| Type | API para compilar aplicaciones inteligentes |
| Idiomas admitidos | Distintas opciones dependen del servicio. Los estándar son C#, Java, JavaScript y Python. |
| Fases de aprendizaje automático | Implementación |
| Ventajas principales | Compilación de aplicaciones inteligentes con modelos entrenados previamente disponibles a través de la API de REST y el SDK. Variedad de modelos para métodos de comunicación naturales con visión, voz, idioma y decisión. No se requiere ningún aprendizaje automático o experiencia mínima en ciencia de datos. Escalabilidad y flexibilidad. Variedad de 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
- Machine Learning Services en Azure SQL Managed Instance
- 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.
| Elemento | Descripción |
|---|---|
| Type | Análisis predictivo local para datos relacionales |
| Idiomas admitidos | Python, R, SQL |
| Fases de aprendizaje automático | Preparación de los datos Entrenamiento del modelo Implementación |
| Ventajas principales | Permite encapsular la lógica predictiva en una función de base de datos, lo cual hace que sea más fácil de incluir en una lógica de capa de datos. |
| Consideraciones | Presupone una base de datos de SQL como la capa de datos de la aplicación. |
Azure AI Studio
Azure AI Studio es una plataforma unificada para desarrollar e implementar aplicaciones de inteligencia artificial generativas y API de Azure AI de forma responsable. Ofrece un conjunto completo de funcionalidades de inteligencia artificial, una interfaz de usuario simplificada y experiencias de código primero, lo que lo convierte en una tienda única para crear, probar, implementar y administrar soluciones inteligentes. Diseñado para ayudar a los desarrolladores y científicos de datos a crear e implementar aplicaciones de inteligencia artificial generativas de forma eficaz mediante las amplias ofertas de INTELIGENCIA ARTIFICIAL de Azure, Azure AI Studio destaca el desarrollo de inteligencia artificial responsable con principios incrustados de equidad, transparencia y responsabilidad. La plataforma incluye herramientas para la detección de sesgos, la interpretabilidad y el aprendizaje automático que conserva la privacidad, lo que garantiza que los modelos de inteligencia artificial sean eficaces, confiables y cumplan los requisitos normativos. Como parte del ecosistema de Azure de Microsoft, AI Studio proporciona herramientas y servicios sólidos que atienden a diversas necesidades de inteligencia artificial y aprendizaje automático, desde el procesamiento de lenguaje natural hasta Computer Vision. Su integración con otros servicios de Azure garantiza una escalabilidad y un rendimiento sin problemas, lo que lo convierte en ideal para empresas. Azure AI Studio también fomenta la colaboración y la innovación, lo que admite un entorno de colaboración con 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 Studio acelera el proceso de desarrollo, lo que permite a las organizaciones impulsar la innovación y mantenerse al día en el panorama competitivo de la inteligencia artificial.
| Elemento | Descripción |
|---|---|
| Tipo | Entorno de desarrollo unificado para ia |
| Idiomas compatibles | Solo Python |
| Fases de aprendizaje automático | Preparación de los datos Implementación (modelos como servicio) |
| Ventajas principales | Facilita la colaboración y la administración de proyectos en varios servicios de Azure AI. Proporciona herramientas completas para crear, entrenar e implementar modelos de INTELIGENCIA ARTIFICIAL. Destaca la inteligencia artificial responsable con 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 de Microsoft para crear y administrar flujos de trabajo basados en mensajes, lo que simplifica el ciclo de desarrollo de aplicaciones de IA con tecnología de modelos de lenguaje grandes (LLM). |
Azure Machine Learning Studio
Azure Machine Learning Studio es una herramienta colaborativa, de arrastrar y colocar para crear, probar e implementar soluciones de análisis predictivo en los datos. Está diseñado para científicos de datos, ingenieros de datos y analistas de negocios. Estudio de Azure Machine Learning 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.
| Elemento | Descripción |
|---|---|
| Tipo | Herramienta colaborativa, de arrastrar y colocar para el aprendizaje automático |
| Idiomas compatibles | Python, R, Scala y Java (experiencia limitada) |
| Fases de aprendizaje automático | Preparación de los datos Entrenamiento del modelo Implementación |
| Ventajas principales | No es necesario codificar 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 Azure Machine Learning para tareas avanzadas de aprendizaje automático. |
Para obtener una comparación comprimiva de Estudio de Azure Machine Learning y Azure AI Studio, consulte AI Studio o Azure Machine Learning Studio. Estas son algunas diferencias clave entre las dos:
| Category | Característica | Azure AI Studio | Azure Machine Learning Studio |
|---|---|---|---|
| Almacenamiento de datos | Solución de almacenamiento | No | Sí (sistema de archivos en la nube, OneLake, Azure Storage) |
| Preparación de los datos | Integración de datos | Sí (Blob Storage, OneLake, ADLS) | Sí (copiar y montar con cuentas de Azure Storage) |
| Desarrollo | Herramientas de code-first | Sí (Visual Studio Code (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 ML, Azure Arc |
| IA generativa | Catálogo LLM | 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
Microsoft 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. Microsoft Fabric ofrece 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 Microsoft Fabric cuando necesite una plataforma completa para administrar todo el ciclo de vida de los datos, desde la ingesta hasta la información.
| Elemento | Descripción |
|---|---|
| Tipo | Plataforma de análisis unificada |
| Idiomas compatibles | Python, R, SQL, Scala |
| Fases de aprendizaje automático | Preparación de los datos Entrenamiento del modelo Implementación Análisis en tiempo real |
| Ventajas principales | Plataforma unificada para todas las necesidades de datos y análisis. Integración perfecta con otros servicios Microsoft. Escalable y flexible. Admite una amplia gama de herramientas de datos y análisis. Facilita la colaboración entre distintos roles de una organización. Administración del ciclo de vida de los datos de un extremo a otro, desde la ingesta hasta la información. Funcionalidades de análisis y inteligencia empresarial en tiempo real. Admite el entrenamiento y la implementación del modelo de Machine Learning. Integración con herramientas y marcos de aprendizaje automático populares. Proporciona herramientas para la preparación de datos y la ingeniería de características. Habilita la inferencia y el análisis del 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 las versiones Ubuntu de Linux y Windows. El entorno está diseñado específicamente para hacer ciencia de datos y desarrollar soluciones de aprendizaje automático. Tiene muchas ciencias de datos conocidas, marcos de aprendizaje automático y otras herramientas preinstaladas y preconfiguradas para impulsar la creación de aplicaciones inteligentes para análisis avanzado.
Use la máquina virtual de ciencia de datos cuando necesite ejecutar u hospedar trabajos en un único nodo. O bien si necesita escalar de forma remota el procesamiento en un único equipo.
| Elemento | Descripción |
|---|---|
| Type | Entorno de máquinas virtuales personalizado para la ciencia de datos |
| Ventajas principales | Menor tiempo de instalación, administración y solución de problemas de las herramientas y plataformas de ciencia de datos. Se incluyen las versiones más recientes de todas las herramientas y plataformas usadas habitualmente. Las opciones de máquina virtual incluyen imágenes altamente escalables con capacidades de unidad de procesamiento gráfico (GPU) para el modelado de datos intensivo. |
| Consideraciones | No se puede acceder a la máquina virtual sin conexión. Si ejecuta una máquina virtual incurrirá en gastos de Azure, por lo que solo deberá ejecutarla en caso de necesidad. |
Azure Databricks
Azure Databricks es una plataforma de análisis basada en Apache Spark optimizada para la plataforma de servicios en la nube de Microsoft Azure. Databricks está integrado con Azure para proporcionar una configuración con un solo clic, flujos de trabajo optimizados y un área de trabajo interactiva que permite la colaboración entre científicos de datos, ingenieros de datos y analistas empresariales. Use código de Python, Scala, R y SQL en cuadernos web para consultar, visualizar y modelar datos.
Utilice Databricks cuando desea colaborar creando soluciones de aprendizaje automático en Apache Spark.
| Elemento | Descripción |
|---|---|
| Type | Plataforma de análisis basada en Apache Spark |
| Idiomas admitidos | Python, R, Scala y SQL |
| Fases de aprendizaje automático | Preparación de los datos Preprocesamiento de datos Entrenamiento del modelo Ajuste de modelos Inferencia de modelos Administración Implementación |
| Ventajas principales | Configuración con un solo clic y flujos de trabajo optimizados para facilitar su uso. Área de trabajo interactiva para la colaboración. Integración perfecta 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 de código abierto y multiplataforma. Con ML.NET, puede crear soluciones de aprendizaje automático personalizadas e integrarlas en sus aplicaciones .NET. ML.NET ofrece diferentes niveles de interoperabilidad con marcos populares, como TensorFlow y ONNX, para el entrenamiento y la puntuación de modelos de aprendizaje automático y aprendizaje profundo. Para las tareas con uso intensivo de recursos, como el entrenamiento de modelos de clasificación de imágenes, puede aprovechar 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.
| Elemento | 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 los datos Cursos Implementación |
| Ventajas principales | No se requiere experiencia en ciencia de datos y aprendizaje automático Usar herramientas y lenguajes conocidos (Visual Studio, Microsoft Visual Studio Code) Implementación donde se ejecuta .NET Extensible Escalable Experiencia primero local AutoML para tareas de aprendizaje automático automatizado |
Inteligencia artificial de Windows
Windows AI Windows AI Windows AI es una plataforma eficaz que integra funcionalidades de inteligencia artificial en aplicaciones de Windows, usando los puntos fuertes de Windows Machine Learning (WinML) y Direct Machine Learning (DirectML) para proporcionar evaluación de modelos de INTELIGENCIA artificial local y en tiempo real 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, lo que permite eficaces funcionalidades de inteligencia artificial sin necesidad de conectividad en la nube.
DirectML es una plataforma acelerada por hardware de alto rendimiento para ejecutar modelos de aprendizaje automático. Usa la API de DirectX para proporcionar un rendimiento optimizado en hardware diverso, incluidas las GPU y los aceleradores de IA.
Use la inteligencia artificial de Windows cuando quiera usar modelos de aprendizaje automático entrenados dentro de las aplicaciones de Windows.
| Elemento | Descripción |
|---|---|
| Type | Motor de inferencia para modelos entrenados en dispositivos Windows |
| Fases de aprendizaje automático | Preparación de los datos Entrenamiento del modelo Implementación |
| Idiomas admitidos | C#/C++, JavaScript |
| Ventajas principales | Evaluación del modelo de IA local y en tiempo real Lograr el procesamiento de inteligencia artificial de alto rendimiento en varios tipos de hardware, incluidas las CPU, las GPU y los aceleradores de IA Garantiza un comportamiento y un rendimiento coherentes en diferentes 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 diferentes, como análisis de texto, visión, detección de anomalías y muchas otras. SynapseML se basa en el marco de computación distribuida Apache Spark y comparte la misma API que la biblioteca SparkML/MLLib, lo que le permite 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), LIME (interpretabilidad de modelos) y OpenCV. Puede usar estas herramientas para crear modelos predictivos eficaces en cualquier clúster de Spark, como Azure Databricks o Cosmic Spark.
SynapseML también aporta capacidades 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 Azure AI a gran escala. En el caso de una implementación de nivel de producción, el proyecto de Spark Serving permite un alto rendimiento, servicios web de latencia de submilisegundos y está respaldado por el clúster de Spark.
| Elemento | Descripción |
|---|---|
| Type | Marco de código abierto, distribuido, de aprendizaje automático y de microservicios para Apache Spark |
| Idiomas admitidos | Scala, Java, Python, R y .NET |
| Fases de aprendizaje automático | Preparación de los datos Entrenamiento del modelo Implementación |
| Ventajas principales | Escalabilidad Compatibilidad de streaming y Serving Tolerancia 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
Pasos siguientes
- Obtenga información sobre todos los productos de desarrollo de inteligencia artificial (AI) disponibles en microsoft: plataforma de inteligencia artificial de Microsoft.
- Obtenga aprendizaje para desarrollar soluciones de INTELIGENCIA ARTIFICIAL y Machine Learning con Microsoft: aprendizaje de Microsoft Learn.
- Obtenga más información sobre Microsoft Fabric: Microsoft Fabric.
- Detección de servicios de Azure AI: servicios de Azure AI.
- Explore Azure Machine Learning: Azure Machine Learning.
- Obtenga información sobre Azure Databricks: Azure Databricks.
- Detección de Azure Synapse Analytics: Azure Synapse Analytics.
- Explore Azure SQL Instancia administrada Machine Learning Services: Azure SQL Instancia administrada Machine Learning Services.