Microsoft の機械学習製品とテクノロジの比較
Microsoft の機械学習製品およびテクノロジについて説明します。 機械学習ソリューションを最も効果的に構築、デプロイ、管理する方法を選択する際に役立つように、選択肢を比較します。
クラウドベースの機械学習製品
Azure クラウドでの機械学習には、次の選択肢があります。
クラウド オプション | 説明 | この製品でできること |
---|---|---|
Azure Machine Learning | 機械学習用のマネージド プラットフォーム | Python と CLI を使用して、事前トレーニング済みモデルを使用するか、Azure でモデルをトレーニング、デプロイ、管理します。 自動機械学習 (AutoML)、プロンプト フロー、モデル カタログ、MLflow 統合などの機能が含まれています。 運用環境でのモデルのパフォーマンスを追跡して理解する |
Microsoft Fabric | 統合された分析プラットフォーム | データ エンジニア、データ サイエンティスト、ビジネス アナリストなど、データプロフェッショナル向けのさまざまなサービスとツールを統合する包括的なプラットフォームを使用して、インジェストから分析情報まで、データ ライフサイクル全体を管理します |
Azure AI Services | REST API および SDK を使用して実装された事前構築済みの AI 機能 | 推論を提供する API を呼び出す標準プログラミング言語を使用してインテリジェント なアプリケーションを構築します。 機械学習とデータ サイエンスの専門知識は依然として理想的ですが、このプラットフォームは、そのようなスキルを持たないエンジニアリング チームでも採用できます |
Azure SQL Managed Instance の Machine Learning Services | SQL のデータベース内機械学習 | Azure SQL Managed Instance 内でモデルをトレーニングおよびデプロイする |
Azure Synapse Analytics の機械学習 | 機械学習を使用した分析サービス | Azure Synapse Analytics 内でモデルをトレーニングおよびデプロイする |
Azure Databricks | Apache Spark ベースの分析プラットフォーム | オープンソースの機械学習ライブラリおよび MLflow プラットフォームとの統合を使用して、モデルとデータ ワークフローを構築およびデプロイする |
オンプレミスの機械学習製品
オンプレミスの機械学習では、次のオプションを使用できます。 クラウド上の仮想マシンでオンプレミスのサーバーを実行することもできます。
オンプレミス | 説明 | この製品でできること |
---|---|---|
SQL Server Machine Learning サービス | SQL のデータベース内機械学習 | Python および R スクリプトを使用して SQL Server 内でモデルをトレーニングおよびデプロイする |
開発プラットフォームおよびツール
次の開発プラットフォームとツールを機械学習に利用できます。
プラットフォーム/ツール | 説明 | この製品でできること |
---|---|---|
Azure AI Studio | AI と ML のシナリオ用の統合開発環境 | AI モデルとアプリケーションを開発、評価、デプロイする。 さまざまな Azure AI サービス間でのコラボレーションとプロジェクト管理を容易にし、複数のワークロード チーム間で共通の環境として使用することもできます。 |
Azure Machine Learning Studio | 機械学習用の共同作業のドラッグ アンド ドロップ ツール | 最小限のコーディングで予測分析ソリューションを構築、テスト、デプロイします。 さまざまな機械学習アルゴリズムと AI モデルをサポートします。 これには、データの準備、モデルトレーニング、および評価のためのツールがあります。 |
Azure Data Science Virtual Machine | データ サイエンス ツールがプレインストールされた仮想マシン イメージ | Jupyter、R、Python などのツールを使用して、この事前構成済みの環境を使用して、独自の VM で機械学習ソリューションを開発します。 |
ML.NET | オープン ソースでクロスプラットフォームの機械学習 SDK | .NET アプリケーション用の機械学習ソリューションを開発する。 |
Windows AI | Windows デバイス上のトレーニング済みモデルの推論エンジン | Windows Machine Learning (WinML) や Direct Machine Learning (DirectML) などのコンポーネントを使用して、ローカルのリアルタイム AI モデル評価とハードウェア アクセラレーションを使用して、人工知能機能を Windows アプリケーションに統合するプラットフォーム。 |
SynapseML | Apache Spark 用のオープンソースで分散型の機械学習およびマイクロサービス フレームワーク | Scala および Python 用のスケーラブルな機械学習アプリケーションを作成して展開する。 |
Azure Data Studio の Machine Learning 拡張機能 | Azure Data Studio のオープンソースでクロスプラットフォームの機械学習拡張機能 | パッケージの管理、機械学習モデルのインポート、予測、SQL データベースの実験を実行するためのノートブックの作成を行う |
Azure Machine Learning
Azure Machine Learning は、機械学習モデルを大規模にトレーニング、デプロイ、および管理するために使用されるフル マネージド クラウド サービスです。 オープンソース テクノロジを完全にサポートしているため、TensorFlow、PyTorch、scikit-learn などの数万のオープンソース Python パッケージを使用できます。 Compute インスタンス、Jupyter ノートブック、Visual Studio Code 用の Azure Machine Learning (VS Code) 拡張機能などの豊富なツールも利用できます。これは、Visual Studio Code でリソース、モデル トレーニング ワークフロー、デプロイを管理できる無料の拡張機能です。 Azure Machine Learning には、モデルの生成とチューニングを簡単に、効率よく、かつ正確に自動化する機能が含まれています。
クラウド規模での機械学習のための Python SDK、Jupyter ノートブック、R、および CLI を使用します。 少量のコードまたはコードなしのオプションでは、Azure Machine Learning の対話型の デザイナー をスタジオで使用し、事前に構築された機械学習アルゴリズムを使用してモデルを簡単かつ迅速に構築、テスト、およびデプロイします。 さらに、Azure Machine Learning では、機械学習モデルの継続的インテグレーションと継続的デプロイ (CI/CD) のために、Azure DevOps と GitHub Actions との統合が提供されます。
アイテム | 説明 |
---|---|
Type | クラウドベースの機械学習ソリューション |
サポートされている言語 | Python、R |
機械学習のフェーズ | データの準備 モデル トレーニング デプロイ MLOps/管理 責任ある AI |
主な利点 | Code First (SDK)、スタジオおよびドラッグ アンド ドロップ デザイナーの Web インターフェイス作成オプション。 スクリプトと実行履歴を一元管理して、モデルのバージョンを簡単に比較できます。 クラウドまたはエッジ デバイスへのモデルのデプロイと管理が簡単です。 機械学習モデルのスケーラブルなトレーニング、デプロイ、管理を提供します。 |
考慮事項 | モデル管理モデルについて、ある程度の知識が必要です。 |
Azure AI サービス
Azure AI サービス は、開発者や組織がインテリジェントで市場に対応したアプリケーションを迅速に作成できるようにする、事前構築された API の包括的なスイートです。 これらのサービスは、すぐに使用できるカスタマイズ可能な API と SDK を提供します。これにより、アプリは最小限のコードでユーザーのニーズを確認、聞き取り、話し、理解し、解釈できるため、モデルをトレーニングするためにデータセットやデータ サイエンスの専門知識を提供する必要がありません。 次のようなインテリジェントな機能をアプリに追加できます。
- ビジョン: 物体検出、顔認識、光学式文字認識 (OCR) など。 詳細については、「 Computer Vision、 Face、 Document Intelligenceを参照してください。
- Speech: Speech-to-Text、Text-to-Speech、Speaker Recognition など。 詳細については、「Speech Services 」を参照してください。
- 言語: 翻訳、感情分析、キーフレーズ抽出、言語理解など。 詳細については、「Azure OpenAI Services、Translator、イマーシブ リーダー、Bot サービスおよび Language サービスを参照してください。
- 決定:不要なコンテンツを検出し、情報に基づいた意思決定を行うContent Safety。
- 検索とナレッジ: AI を利用したクラウド検索とナレッジ マイニング機能をアプリに導入します。 詳細については、「 Azure AI Search」を参照してください。
Azure AI サービスは、デバイスやプラットフォームにまたがるアプリを開発する場合に使用します。 API は、継続的に品質改善され、設定も簡単です。
Item | 説明 |
---|---|
Type | インテリジェントなアプリケーションを構築するための API |
サポートされている言語 | サービスに依存するさまざまなオプション。 標準言語は、C#、Java、JavaScript、Python です。 |
機械学習のフェーズ | デプロイ |
主な利点 | REST API および SDK を介して利用可能な事前トレーニング済みモデルを使用して、インテリジェント アプリケーションを構築します。 視覚、音声、言語、意思決定による自然なコミュニケーション方法に対応するさまざまなモデル。 機械学習やデータ サイエンスの専門知識は必要ありません。 スケーラビリティと柔軟性。 さまざまなモデル。 |
SQL 機械学習
SQL 機械学習 では、オンプレミスとクラウドの両方で、リレーショナル データに対する Python と R での統計分析、データ視覚化、予測分析を追加します。 現在のプラットフォームとツールは次のとおりです。
- SQL Server Machine Learning サービス
- Azure SQL Managed Instance の Machine Learning Services
- Azure Synapse Analytics の機械学習
- Azure Data Studio の Machine Learning 拡張機能
SQL 機械学習は、SQL のリレーショナル データに対する組み込みの AI および予測分析が必要な場合に使用します。
Item | 説明 |
---|---|
Type | オンプレミスでのリレーショナル データの予測分析 |
サポートされている言語 | Python、R、SQL |
機械学習のフェーズ | データの準備 モデル トレーニング デプロイ |
主な利点 | データベース関数に予測ロジックをカプセル化して、データ層ロジックに簡単に含めることができます。 |
考慮事項 | アプリケーションのデータ層として SQL データベースが想定されています。 |
Azure AI Studio
Azure AI Studio は、生成型 AI アプリケーションと Azure AI API を責任を持って開発およびデプロイするための統合プラットフォームです。 AI 機能の包括的なセット、簡素化されたユーザー インターフェイス、およびコードファーストエクスペリエンスを提供し、インテリジェントなソリューションの構築、テスト、デプロイ、管理を行うワンストップ ショップとなります。 開発者とデータ サイエンティストが Azure の広範な AI オファリングを使用して生成 AI アプリケーションを効率的に作成してデプロイできるように設計された Azure AI Studio では、公平性、透明性、アカウンタビリティの原則を組み込んだ責任ある AI 開発が重視されています。 このプラットフォームには、バイアス検出、解釈可能性、プライバシーを保持する機械学習用のツールが含まれており、AI モデルが強力で信頼性が高く、規制要件に準拠していることを保証します。 Microsoft の Azure エコシステムの一環として、AI Studio は、自然言語処理からコンピューター ビジョンまで、さまざまな AI と機械学習のニーズに対応する堅牢なツールとサービスを提供します。 他の Azure サービスとの統合により、シームレスなスケーラビリティとパフォーマンスが確保され、企業に最適です。 また、Azure AI Studio はコラボレーションとイノベーションを促進し、共有ワークスペース、バージョン管理、統合開発環境などの機能を使用してコラボレーション環境をサポートします。 一般的なオープンソースのフレームワークとツールを統合することで、Azure AI Studio は開発プロセスを加速させ、組織がイノベーションを推進し、競争の激しい AI 環境を先取りできるようにします。
アイテム | 説明 |
---|---|
Type | AI 用の統合開発環境 |
サポートされている言語 | Python のみ |
機械学習のフェーズ | データの準備 デプロイ (サービスとしてのモデル) |
主な利点 | さまざまな Azure AI サービス間のコラボレーションとプロジェクト管理を容易にします。 AI モデルを構築、トレーニング、デプロイするための包括的なツールを提供します。 バイアス検出、解釈可能性、プライバシー保護機械学習のためのツールを使用して責任ある AI を強調します。 一般的なオープンソースフレームワークやツールとの統合をサポートします。 プロンプト ベースのワークフローを作成および管理するための Microsoft Prompt フローが含まれており、大規模言語モデル (LLM) を利用する AI アプリケーションの開発サイクルを簡略化します。 |
Azure Machine Learning Studio
Azure Machine Learning Studio は、データに対する予測分析ソリューションを構築、テスト、デプロイするための、共同作業のドラッグ アンド ドロップ ツールです。 データ サイエンティスト、データ エンジニア、ビジネス アナリスト向けに設計されています。 Azure Machine Learning スタジオでは、データの準備、モデルのトレーニング、評価のためのさまざまな機械学習アルゴリズムとツールがサポートされています。 また、対話型キャンバス上のデータセットとモジュールを接続するためのビジュアル インターフェイスも提供します。
アイテム | 説明 |
---|---|
Type | 機械学習用の共同作業のドラッグ アンド ドロップ ツール |
サポートされている言語 | Python、R、Scala、Java (制限付きエクスペリエンス) |
機械学習のフェーズ | データの準備 モデル トレーニング デプロイ |
主な利点 | 機械学習モデルを構築するためにコーディングは必要ありません。 データ準備、モデルトレーニング、評価のための幅広い機械学習アルゴリズムとツールをサポートします。 対話型キャンバス上のデータセットとモジュールを接続するためのビジュアル インターフェイスを提供します。 高度な機械学習タスクのための Azure Machine Learning との統合をサポートします。 |
Azure Machine Learning スタジオと Azure AI Studio の圧縮比較については、「AI Studio または Azure Machine Learning Studioを参照してください。 2 つの主な違いを次に示します。
カテゴリ | 機能 | Azure AI Studio | Azure Machine Learning Studio |
---|---|---|---|
データ ストレージ | ストレージ ソリューション | いいえ | はい (クラウド ファイルシステム、OneLake、Azure Storage) |
データの準備 | データ統合 | はい (BLOB ストレージ、OneLake、ADLS) | はい (Azure Storage アカウントを使用したコピーとマウント) |
開発 | コード優先ツール | はい (Visual Studio Code (VS Code)) | はい (Notebooks、Jupyter、VS Code、R Studio) |
言語 | サポートされている言語 | Python のみ | Python、R、Scala、Java |
トレーニング | AutoML | いいえ | はい (回帰、分類、予測、CV、NLP) |
コンピューティング 先 | トレーニング コンピューティング | サーバーレス (MaaS、プロンプト フロー) | Spark クラスター、ML クラスター、Azure Arc |
生成 AI | LLM カタログ | はい (Azure OpenAI、Hugging Face、Meta) | はい (Azure OpenAI、Hugging Face、Meta) |
配置 | リアルタイムおよびバッチ サービス | リアルタイム (MaaS) | Batch エンドポイント、Azure Arc |
ガバナンス | 責任ある AI ツール | いいえ | はい (責任ある AI ダッシュボード) |
Microsoft Fabric
Microsoft Fabric は、組織が必要とするすべてのデータと分析ツールをまとめる、エンドツーエンドの統合分析プラットフォームです。 さまざまなサービスとツールを統合して、データ エンジニア、データ サイエンティスト、ビジネス アナリストなど、データプロフェッショナルにシームレスなエクスペリエンスを提供します。 Microsoft Fabric には、データ統合、データ エンジニアリング、データ ウェアハウス、データ サイエンス、リアルタイム分析、ビジネス インテリジェンスの機能が用意されています。
インジェストから分析情報まで、データ ライフサイクル全体を管理するための包括的なプラットフォームが必要な場合は、Microsoft Fabric を使用します。
アイテム | 説明 |
---|---|
Type | 統合された分析プラットフォーム |
サポートされている言語 | Python、R、SQL、Scala |
機械学習のフェーズ | データの準備 モデル トレーニング 展開 リアルタイム分析 |
主な利点 | すべてのデータと分析のニーズに対応する統合プラットフォーム。 他のMicrosoft サービスとのシームレスな統合。 スケーラブルで柔軟です。 さまざまなデータおよび分析ツールをサポートします。 組織内のさまざまなロール間のコラボレーションを容易にします。 インジェストから分析情報まで、エンドツーエンドのデータ ライフサイクル管理。 リアルタイム分析とビジネス インテリジェンス機能。 機械学習モデルのトレーニングとデプロイをサポートします。 一般的な機械学習フレームワークとツールとの統合。 データ準備と特徴エンジニアリング用のツールを提供します。 リアルタイムの機械学習の推論と分析を有効にします。 |
Azure Data Science Virtual Machine
Azure Data Science Virtual Machine は、Microsoft Azure クラウド上のカスタマイズされた仮想マシン環境です。 Windows と Linux Ubuntu の両方のバージョンで使用できます。 この環境は、データ サイエンスと機械学習ソリューション開発に特化して構築されています。 よく使われる多くのデータ サイエンス、機械学習フレームワークなどのツールが事前にインストールおよび構成されており、高度な分析のためのインテリジェントなアプリケーションの構築をすぐに始めることができます。
Data Science VM は、単一のノードでジョブを実行またはホストする必要がある場合や、 1 台のマシンで処理をリモートでスケールアップする必要がある場合に使用します。
Item | 説明 |
---|---|
Type | データ サイエンス用のカスタマイズされた仮想マシン環境 |
主な利点 | データ サイエンス ツールおよびフレームワークのインストール、管理、トラブルシューティングに要する時間を短縮できます。 よく使用されるツールとフレームワークの最新バージョンがすべて含まれています。 仮想マシンのオプションには、集中的なデータ モデリングのためのグラフィックス処理ユニット (GPU) 機能を備えたスケーラブルなイメージが含まれます。 |
考慮事項 | オフラインのときは仮想マシンにアクセスできません。 仮想マシンの実行には Azure の料金が発生するため、必要な場合にのみ実行するように注意する必要があります。 |
Azure Databricks
Azure Databricks は、Microsoft Azure クラウド プラットフォーム用に最適化された Apache Spark ベースの分析プラットフォームです。 Databricks は、ワンクリックでのセットアップ、効率化されたワークフロー、およびデータ サイエンティスト、データ エンジニア、ビジネス アナリストの間のコラボレーションを可能にする対話型ワークスペースを実現するために、Azure に統合されています。 データのクエリ実行、視覚化、およびモデル化を行うには、Web ベースのノートブックで Python、R、Scala、および SQL コードを使用します。
Databricks は、Apache Spark 上で機械学習ソリューションの構築に関して共同作業する場合に使用します。
Item | 説明 |
---|---|
Type | Apache Spark ベースの分析プラットフォーム |
サポートされている言語 | Python、R、Scala、SQL |
機械学習のフェーズ | データの準備 データの前処理 モデル トレーニング モデル チューニング モデル推論 管理 展開 |
主な利点 | ワンクリックでセットアップし、ワークフローを合理化して簡単に使用できます。 コラボレーション用の対話型ワークスペース。 Azure とのシームレスな統合。 大規模なデータセットと集中的な計算を処理するスケーラビリティ。 さまざまな言語のサポートと、一般的なツールとの統合。 |
ML.NET
ML.NET は、オープンソースでクロスプラットフォームの機械学習フレームワークです。 ML.NET を使用すると、カスタム機械学習ソリューションを構築し、.NET アプリケーションに統合できます。 ML.NET は、機械学習モデルおよびディープ ラーニング モデルのトレーニングとスコアリングのために、TensorFlow、ONNX のような一般的なフレームワークとの相互運用性をさまざまなレベルで提供します。 画像分類モデルのトレーニングなど、リソースを集中的に使用するタスクの場合、Azure を利用してクラウドでモデルをトレーニングできます。
ML.NET は、機械学習ソリューションを .NET アプリケーションに統合する場合に使用します。 コード ファーストのエクスペリエンス向け API か、わずかなコードしか使用しないエクスペリエンス向け Model Builder または CLI を選択します。
Item | 説明 |
---|---|
Type | .NET でカスタムの機械学習アプリケーションを開発するためのオープンソースのクロスプラットフォーム フレームワーク |
サポートされている言語 | C#、F# |
機械学習のフェーズ | データの準備 トレーニング デプロイ |
主な利点 | データ サイエンスや機械学習の経験は不要 使い慣れたツール (Visual Studio、Microsoft Visual Studio Code) と言語を使用する .NET が実行される場所へのデプロイ 拡張可能 拡張性 ローカル ファースト エクスペリエンス 自動機械学習タスク用の AutoML |
Windows AI
Windows AI Windows AI は、Windows Machine Learning (WinML) と Direct Machine Learning (DirectML) の長所を使用して、ローカルのリアルタイム AI モデル評価とハードウェア アクセラレーションを提供する、Windows アプリケーションに人工知能機能を統合する強力なプラットフォームです。 WinML を使用すると、開発者はトレーニング済みの機械学習モデルを Windows アプリケーションに直接統合できます。 これにより、モデルのローカルでリアルタイムの評価が容易になり、クラウド接続を必要とせずに強力な AI 機能が可能になります。
DirectML は、機械学習モデルを実行するための高パフォーマンスのハードウェアアクセラレータプラットフォームです。 DirectX API を利用して、GPU や AI アクセラレータなど、さまざまなハードウェアにわたって最適化されたパフォーマンスを提供します。
Windows アプリケーション内でトレーニング済みの機械学習モデルを使用する場合は、Windows AI を使用します。
アイテム | 説明 |
---|---|
Type | Windows デバイスでのトレーニング済みモデルの推論エンジン |
機械学習のフェーズ | データの準備 モデル トレーニング 展開 |
サポートされている言語 | C#/C++、JavaScript |
主な利点 | ローカルのリアルタイム AI モデル評価 CPU、GPU、AI アクセラレータなど、さまざまなハードウェアの種類で高パフォーマンスの AI 処理を実現する 異なる Windows ハードウェア間で動作とパフォーマンスの一貫性を確保します。 |
SynapseML
SynapseML (旧称 MMLSpark) は、大規模スケーラブルな機械学習 (ML) パイプラインの作成を簡略化するオープンソース ライブラリです。 SynapseML は、テキスト分析、洞察、異常検出など、その他さまざまな機械学習タスクに対して、API を提供します。 SynapseML は Apache Spark 分散コンピューティング フレームワーク上に構築され、SparkML/MLLib ライブラリと同じ API を共有するため、SynapseML モデルを既存の Apache Spark ワークフローにシームレスに埋め込むことができます。
SynapseML では、ディープ ラーニングとデータ サイエンスのための多くのツールが Spark エコシステムに追加されます。 Spark Machine Learning パイプラインと Light Gradient Boosting Machine (LightGBM) のシームレスな統合、 LIME (モデルの解釈可能性)、 OpenCV などが含まれます。 これらのツールを使うと、 Azure Databricks や Cosmic Spark などの任意の Spark クラスター上で強力な予測モデルを作成できます。
SynapseML では、新しいネットワーク機能も Spark エコシステムに導入されます。 HTTP on Spark プロジェクトでは、ユーザーは任意の Web サービスを SparkML モデルに埋め込むことができます。 さらに、SynapseML では、大規模な Azure AI サービス を調整するための使いやすいツールが提供されます。 運用レベルの展開では、Spark Serving プロジェクトにより、Spark クラスターによって支えられた、高スループットで待機時間がミリ秒未満の Web サービスが実現されます。
Item | 説明 |
---|---|
Type | Apache Spark 用のオープンソースで分散型の機械学習およびマイクロサービス フレームワーク |
サポートされている言語 | Scala、Java、Python、R、.NET |
機械学習のフェーズ | データの準備 モデル トレーニング デプロイ |
主な利点 | スケーラビリティ Streaming および Serving 互換 フォールトトレランス |
考慮事項 | Apache Spark が必要 |
共同作成者
この記事は、Microsoft によって保守されています。 当初の寄稿者は以下のとおりです。
プリンシパルの作成者:
- Mahdi Setayesh | プリンシパル ソフトウェア エンジニア
次のステップ
- Microsoft から入手できるすべての人工知能 (AI) 開発製品について説明します: Microsoft AI プラットフォーム。
- Microsoft: Microsoft Learn トレーニングを使用して AI および Machine Learning ソリューションを開発するトレーニングを受ける。
- Microsoft Fabric の詳細については、 Microsoft Fabricを参照してください。
- Azure AI サービスの検出: Azure AI サービス。
- Azure Machine Learning の詳細: Azure Machine Learning。
- Azure Databricks: Azure Databricks について説明します。
- Azure Synapse Analytics の検出: Azure Synapse Analytics。
- Azure SQL Managed Instance Machine Learning Services の詳細: Azure SQL Managed Instance Machine Learning Services。