다음을 통해 공유

Microsoft 기계 학습 제품 및 기술 비교

  • 아티클

Microsoft의 기계 학습 제품 및 기술에 대해 알아봅니다. 기계 학습 솔루션을 가장 효과적으로 구축, 배포 및 관리하는 방법을 선택할 수 있도록 하는 옵션을 비교합니다.

클라우드 기반 기계 학습 제품

다음 옵션은 Azure 클라우드에서 기계 학습에 사용할 수 있습니다.

클라우드 옵션 설명 기능 및 사용
Azure Machine Learning 기계 학습을 위한 관리형 플랫폼 미리 학습된 모델을 사용하거나 Python 및 CLI를 사용하여 Azure에서 모델을 학습, 배포 및 관리합니다. Machine Learning에는 AutoML(자동화된 기계 학습), 프롬프트 흐름, 모델 카탈로그 및 MLflow 통합과 같은 기능이 포함됩니다. 프로덕션 단계에서 모델 성능을 추적하고 이해할 수 있습니다.
Microsoft Fabric 통합 분석 플랫폼 데이터 엔지니어, 데이터 과학자 및 비즈니스 분석가를 비롯한 데이터 전문가를 위한 다양한 서비스와 도구를 통합하는 포괄적인 플랫폼을 사용하여 수집에서 인사이트까지 전체 데이터 수명 주기를 관리합니다.
Azure AI 서비스 REST API 및 SDK를 통해 구현되는 미리 빌드된 AI 기능 표준 프로그래밍 언어를 사용하여 지능형 애플리케이션을 빌드합니다. 이러한 언어는 추론을 제공하는 API를 호출합니다. 기계 학습 및 데이터 과학 전문 지식이 이상적이어야 하지만 이러한 기술이 없는 엔지니어링 팀은 이 플랫폼을 채택할 수도 있습니다.
Azure SQL Managed Instance 머신 러닝 서비스 SQL을 위한 데이터베이스 내 기계 학습 SQL Managed Instance 내에서 모델을 학습하고 배포합니다.
Azure Synapse Analytics의 Machine Learning 기계 학습을 사용하는 분석 서비스 Azure Synapse Analytics 내에서 모델을 학습하고 배포합니다.
Azure Databricks Apache Spark 기반 분석 플랫폼 오픈 소스 기계 학습 라이브러리 및 MLflow 플랫폼과 통합하여 모델 및 데이터 워크플로를 빌드하고 배포합니다.

온-프레미스 기계 학습 제품

다음 옵션은 온-프레미스 기계 학습에 사용할 수 있습니다. 온-프레미스 서버는 클라우드의 VM(가상 머신)에서 실행할 수도 있습니다.

온-프레미스 제품 설명 기능 및 사용
SQL Server 기계 학습 서비스 SQL을 위한 데이터베이스 내 기계 학습 Python 및 R 스크립트를 사용하여 SQL Server 내에서 모델을 학습하고 배포합니다.

개발 플랫폼 및 도구

기계 학습에 사용할 수 있는 개발 플랫폼 및 도구는 다음과 같습니다.

플랫폼 또는 도구 설명 기능 및 사용
Azure AI Foundry 포털 AI 및 기계 학습 시나리오를 위한 통합 개발 환경 AI 모델 및 애플리케이션을 개발, 평가 및 배포합니다. Azure AI Foundry 포털은 다양한 Azure AI 서비스에서 공동 작업 및 프로젝트 관리를 용이하게 합니다. 여러 워크로드 팀에서 공통 환경으로 사용할 수도 있습니다.
Azure Machine Learning 스튜디오 기계 학습을 위한 공동 작업, 끌어서 놓기 도구 최소한의 코딩을 사용하여 예측 분석 솔루션을 빌드, 테스트 및 배포합니다. Machine Learning Studio는 다양한 기계 학습 알고리즘 및 AI 모델을 지원합니다. 데이터 준비, 모델 학습 및 평가를 위한 도구를 제공합니다.
Azure Data Science Virtual Machine 사전 설치된 데이터 과학 도구가 포함된 VM 이미지 Jupyter, R 및 Python과 같은 도구와 함께 미리 구성된 환경을 사용하여 사용자 고유의 VM에서 기계 학습 솔루션을 개발합니다.
Microsoft ML.NET 오픈 소스, 플랫폼 간 기계 학습 SDK .NET 애플리케이션용 기계 학습 솔루션을 개발합니다.
Windows 앱용 AI Windows 디바이스에서 학습된 모델에 대한 유추 엔진 로컬 실시간 AI 모델 평가 및 하드웨어 가속을 위해 winML(Windows Machine Learning) 및 DirectML(Direct Machine Learning) 같은 구성 요소를 사용하여 AI 기능을 Windows 애플리케이션에 통합합니다.
SynapseML Apache Spark용 오픈 소스, 분산, 기계 학습 및 마이크로서비스 프레임워크 Scala 및 Python을 위한 확장 가능한 기계 학습 애플리케이션을 만들고 배포합니다.
Azure Data Studio에 대한 Machine Learning 확장 Azure Data Studio용 오픈 소스 및 플랫폼 간 기계 학습 확장 패키지를 관리하고, 기계 학습 모델을 가져오고, 예측을 수행하고, SQL 데이터베이스에 대한 실험을 실행하는 Notebook을 만듭니다.

Azure Machine Learning

Machine Learning 대규모 기계 학습 모델을 학습, 배포 및 관리하는 데 사용할 수 있는 완전 관리형 클라우드 서비스입니다. 오픈 소스 기술을 완벽하게 지원하므로 TensorFlow, PyTorch 및 scikit-learn과 같은 수만 개의 오픈 소스 Python 패키지를 사용할 수 있습니다.

컴퓨트 인스턴스, Jupyter Notebook, 또는 Visual Studio Code(VS Code) 확장 기능을 위한 Azure Machine Learning와 같은 다양한 도구도 사용할 수 있습니다. VS Code용 Machine Learning 확장은 VS Code에서 리소스 및 모델 학습 워크플로 및 배포를 관리할 수 있는 무료 확장입니다. Machine Learning에는 쉽게, 효율성 및 정확도로 모델 생성 및 튜닝을 자동화하는 기능이 포함되어 있습니다.

클라우드 규모의 기계 학습을 위해 Python SDK, Jupyter Notebooks, R 및 CLI를 사용합니다. 낮은 코드 또는 코드 없음 옵션을 원하는 경우 스튜디오에서 Designer 사용합니다. 디자이너를 사용하면 미리 빌드된 기계 학습 알고리즘을 사용하여 모델을 쉽고 빠르게 빌드, 테스트 및 배포할 수 있습니다. 또한 기계 학습 모델의 CI/CD(지속적인 통합 및 지속적인 배포)를 위해 Azure DevOps 및 GitHub Actions와 Machine Learning을 통합할 수 있습니다.

Machine Learning 기능 설명
형식 클라우드 기반 기계 학습 솔루션
지원되는 언어 -파이썬
- R
기계 학습 단계 - 데이터 준비
- 모델 학습
-전개
- MLOps 또는 관리
- 책임 있는 AI
주요 이점 - 코드 우선(SDK) 및 스튜디오 및 끌어서 놓기 디자이너 웹 인터페이스 작성 옵션
- 모델 버전을 쉽게 비교할 수 있는 스크립트 및 실행 기록의 중앙 관리
- 클라우드 또는 에지 디바이스에 모델 쉽게 배포 및 관리
- 기계 학습 모델의 확장 가능한 학습, 배포 및 관리
고려 사항 모델 관리 모델에 대해 잘 알고 있어야 합니다.

Azure AI 서비스

AI 서비스 개발자와 조직이 시장 대비 지능형 애플리케이션을 빠르게 만들 수 있도록 지원하는 미리 빌드된 포괄적인 API 제품군입니다. 이러한 서비스는 앱이 최소한의 코드로 사용자 요구를 보고, 듣고, 말하고, 이해하고, 해석할 수 있도록 하는 기본 제공 및 사용자 지정 가능한 API 및 SDK를 제공합니다. 이러한 기능을 사용하면 모델 학습을 위해 데이터 세트 또는 데이터 과학 전문 지식을 불필요하게 만들 수 있습니다. 다음과 같은 지능형 기능을 앱에 추가할 수 있습니다.

  • Vision: 개체 감지, 얼굴 인식 및 광학 문자 인식을 포함합니다. 자세한 내용은 Azure AI Vision , Azure AI Face , 그리고 Azure AI Document Intelligence 를 참조하세요.
  • Speech: 음성 텍스트 변환, 텍스트 음성 변환 및 화자 인식 기능을 포함합니다. 자세한 내용은 Speech service를 참조하세요.
  • 언어: 번역, 감정 분석, 핵심 구 추출 및 언어 이해가 포함됩니다. 자세한 내용은 Azure OpenAI Service, Azure AI Translator, Azure AI 몰입형 리더, Bot Framework Composer및 Azure AI Language를 참조하세요.
  • 의사 결정: 원치 않는 콘텐츠를 검색하고 정보에 입각한 결정을 내립니다. 자세한 내용은 Azure AI Content Safety 참조하세요.
  • 검색 및 지식: AI 기반 클라우드 검색 및 지식 마이닝 기능을 앱에 제공합니다. 자세한 내용은 Azure AI Search를 참조하세요.

AI 서비스를 사용하여 디바이스 및 플랫폼에서 앱을 개발합니다. API는 지속적으로 개선되고 쉽게 설정할 수 있습니다.

AI 서비스 기능 설명
형식 지능형 애플리케이션 구축을 위한 API
지원되는 언어 서비스에 따라 다양한 옵션. 표준 옵션은 C#, Java, JavaScript 및 Python입니다.
기계 학습 단계 배포
주요 이점 - REST API 및 SDK를 통해 사용할 수 있는 미리 학습된 모델을 사용하여 지능형 애플리케이션 빌드
- 비전, 음성, 언어 및 의사 결정 기능이 있는 자연 통신 방법에 다양한 모델 사용
- 기계 학습 또는 데이터 과학 전문 지식이 필요하지 않거나 최소
- API는 확장 가능하고 유연합니다.
- 다양한 모델에서 선택할 수 있습니다.

SQL Machine Learning

SQL 기계 학습은 온-프레미스와 클라우드 모두에서 관계형 데이터에 대해 Python 및 R에 통계 분석, 데이터 시각화 및 예측 분석을 추가합니다. 현재 플랫폼 및 도구는 다음과 같습니다.

SQL의 관계형 데이터에 대한 기본 제공 AI 및 예측 분석이 필요할 때 SQL 기계 학습을 사용합니다.

SQL 기계 학습 기능 설명
형식 관계형 데이터에 대한 온-프레미스 예측 분석
지원되는 언어 -파이썬
- R
- SQL
기계 학습 단계 - 데이터 준비
- 모델 학습
-전개
주요 이점 데이터베이스 함수에서 예측 논리를 캡슐화합니다. 이 프로세스를 통해 데이터 계층 논리를 쉽게 포함할 수 있습니다.
고려 사항 애플리케이션의 데이터 계층으로 SQL 데이터베이스를 사용한다고 가정합니다.

Azure AI Foundry

Azure AI Foundry는 생성 AI 애플리케이션 및 Azure AI API를 책임감 있게 개발하고 배포하는 데 사용할 수 있는 통합 플랫폼입니다. 포괄적인 AI 기능 집합, 간소화된 사용자 인터페이스 및 코드 우선 환경을 제공합니다. 이러한 기능을 통해 지능형 솔루션을 빌드, 테스트, 배포 및 관리하기 위한 포괄적인 플랫폼이 됩니다.

Azure AI Foundry를 사용하면 개발자와 데이터 과학자가 Azure AI 제품을 사용하여 생성 AI 애플리케이션을 효율적으로 만들고 배포할 수 있습니다. 책임 있는 AI 개발을 강조하고 공정성, 투명성 및 책임의 원칙을 포함합니다. 이 플랫폼에는 바이어스 검색, 해석 가능성 및 개인 정보 보호 기계 학습을 위한 도구가 포함되어 있습니다. 이러한 도구는 AI 모델이 강력하고 신뢰할 수 있으며 규정 요구 사항을 준수하는 데 도움이 됩니다.

Microsoft Azure 에코시스템의 일부로 Azure AI Foundry는 자연어 처리 및 컴퓨터 비전을 포함하여 다양한 AI 및 기계 학습 요구 사항을 충족하는 강력한 도구와 서비스를 제공합니다. 다른 Azure 서비스와의 통합은 원활한 확장성과 성능을 보장하는 데 도움이 되므로 기업에게 이상적인 옵션입니다.

Azure AI Foundry 포털은 공유 작업 영역, 버전 제어 및 통합 개발 환경과 같은 기능을 제공하여 공동 작업 및 혁신을 촉진합니다. Azure AI Foundry는 인기 있는 오픈 소스 프레임워크와 도구를 통합하여 조직이 혁신을 주도하고 경쟁적인 AI 환경에서 앞서나갈 수 있도록 개발 프로세스를 가속화합니다.

Azure AI Foundry 기능 설명
형식 AI를 위한 통합 개발 환경
지원되는 언어 Python만
기계 학습 단계 - 데이터 준비
- 배포(서비스로서의 모델(MaaS))
주요 이점 - 다양한 AI 서비스에서 공동 작업 및 프로젝트 관리를 용이하게 합니다.
- AI 모델 빌드, 학습 및 배포를 위한 포괄적인 도구 제공
- 바이어스 검색, 해석 가능성 및 개인 정보 보호 기계 학습을 위한 도구를 제공하여 책임 있는 AI를 강조합니다.
- 인기 있는 오픈 소스 프레임워크 및 도구와의 통합 지원
- 프롬프트 기반 워크플로를 만들고 관리하기 위한 프롬프트 흐름 포함 프롬프트 흐름은 언어 모델에서 제공하는 AI 애플리케이션의 개발 주기를 간소화합니다.

Azure Machine Learning 스튜디오

애저 머신 러닝 스튜디오는 데이터에서 예측 분석 솔루션을 빌드, 테스트 및 배포하기 위한 협업 드래그 앤 드롭 도구입니다. 데이터 과학자, 데이터 엔지니어 및 비즈니스 분석가를 위해 설계되었습니다. Machine Learning Studio는 데이터 준비, 모델 학습 및 평가를 위한 다양한 기계 학습 알고리즘 및 도구를 지원합니다. 또한 대화형 캔버스에서 데이터 세트 및 모듈을 연결하기 위한 시각적 인터페이스를 제공합니다.

Machine Learning 스튜디오 기능 설명
형식 기계 학습을 위한 공동 작업, 끌어서 놓기 도구
지원되는 언어 -파이썬
- R
-스칼라
- Java(제한된 환경)
기계 학습 단계 - 데이터 준비
- 모델 학습
-전개
주요 이점 - 기계 학습 모델을 빌드하기 위해 코딩이 필요하지 않음
- 데이터 준비, 모델 학습 및 평가를 위한 다양한 기계 학습 알고리즘 및 도구를 지원합니다.
- 대화형 캔버스에서 데이터 세트 및 모듈을 연결하기 위한 시각적 인터페이스를 제공합니다.
- 고급 기계 학습 작업을 위한 Machine Learning과의 통합 지원

Machine Learning 스튜디오와 Azure AI Foundry 포털의 포괄적인 비교는 Azure AI Foundry 포털 또는 Machine Learning 스튜디오 참조하세요. 다음 표에서는 이들 간의 주요 차이점을 요약합니다.

범주 기능 Azure AI Foundry 포털 Machine Learning 스튜디오
데이터 스토리지 스토리지 솔루션 아니요 예(클라우드 파일 시스템, OneLake, Azure Storage)
데이터 준비 데이터 통합 예(Azure Blob Storage, OneLake, Azure Data Lake Storage) 예(Azure Storage 계정을 사용하여 복사 및 탑재)
발달 코드 우선 도구 예(VS Code) 예(Notebooks, Jupyter, VS Code, R Studio)
언어 지원되는 언어 Python만 Python, R, Scala, Java
교육 AutoML 아니요 예(회귀, 분류, 예측, CV, NLP)
계산 대상 학습 컴퓨팅 서버리스(MaaS, 프롬프트 흐름) Spark 클러스터, 기계 학습 클러스터, Azure Arc
생성형 AI 언어 모델 카탈로그 예(Azure OpenAI, 포옹 얼굴, 메타) 예(Azure OpenAI, 포옹 얼굴, 메타)
배포 실시간 및 일괄 처리 서비스 실시간(MaaS) 일괄 처리 엔드포인트, Azure Arc
거버넌스 책임 있는 AI 도구 아니요 예(책임 있는 AI 대시보드)

Microsoft Fabric

Fabric 조직이 필요로 하는 모든 데이터 및 분석 도구를 통합하는 엔드투엔드 통합 분석 플랫폼입니다. 다양한 서비스와 도구를 통합하여 데이터 엔지니어, 데이터 과학자 및 비즈니스 분석가를 비롯한 데이터 전문가에게 원활한 환경을 제공합니다. 패브릭은 데이터 통합, 데이터 엔지니어링, 데이터 웨어하우징, 데이터 과학, 실시간 분석 및 비즈니스 인텔리전스를 위한 기능을 제공합니다.

포괄적인 플랫폼이 필요한 경우 Fabric을 사용하여 수집에서 인사이트까지 전체 데이터 수명 주기를 관리합니다.

패브릭 기능 설명
형식 통합 분석 플랫폼
지원되는 언어 -파이썬
- R
- SQL
-스칼라
기계 학습 단계 - 데이터 준비
- 모델 학습
-전개
- 실시간 분석
주요 이점 - 모든 데이터 및 분석 요구 사항을 위한 통합 플랫폼
- 다른 Microsoft 서비스와 원활하게 통합
- 확장 가능하고 유연합니다.
- 다양한 데이터 및 분석 도구를 지원합니다.
- 조직의 여러 역할 간 공동 작업을 용이하게 합니다.
- 수집에서 인사이트로의 엔드 투 엔드 데이터 수명 주기 관리
- 실시간 분석 및 비즈니스 인텔리전스 기능
- 기계 학습 모델 학습 및 배포 지원
- 인기 있는 기계 학습 프레임워크 및 도구와 통합
- 데이터 준비 및 기능 엔지니어링을 위한 도구
- 실시간 기계 학습 유추 및 분석

Azure Data Science Virtual Machine

Azure Data Science Virtual Machine Microsoft Azure 클라우드의 사용자 지정된 VM 환경입니다. Windows 및 Linux Ubuntu용 버전에서 사용할 수 있습니다. 이 환경은 특히 데이터 과학 작업 및 기계 학습 솔루션 개발을 위한 것입니다. 고급 분석을 위한 지능형 애플리케이션 빌드를 바로 시작할 수 있도록 미리 설치되고 미리 구성된 많은 인기 있는 데이터 과학 함수, 기계 학습 프레임워크 및 기타 도구가 있습니다.

단일 노드에서 작업을 실행하거나 호스트해야 하거나 단일 컴퓨터에서 처리를 원격으로 확장해야 하는 경우 Data Science VM을 사용합니다.

Azure Data Science Virtual Machine 기능 설명
형식 데이터 과학을 위한 사용자 지정된 VM 환경
주요 이점 - 데이터 과학 도구 및 프레임워크 설치, 관리 및 문제 해결 시간 단축
- 일반적으로 사용되는 최신 버전의 도구 및 프레임워크 포함
- 집약적인 데이터 모델링을 위한 확장성이 뛰어난 이미지 및 GPU(그래픽 처리 장치) 기능 포함
고려 사항 - 오프라인 상태일 때는 VM에 액세스할 수 없습니다.
- VM을 실행하면 Azure 요금이 발생하므로 필요할 때만 실행되도록 해야 합니다.

Azure Databricks

Azure Databricks Microsoft Azure 클라우드 플랫폼에 최적화된 Apache Spark 기반 분석 플랫폼입니다. Azure Databricks는 Azure와 통합되어 원클릭 설정, 간소화된 워크플로 및 데이터 과학자, 데이터 엔지니어 및 비즈니스 분석가 간의 협업을 가능하게 하는 대화형 작업 영역을 제공합니다. 웹 기반 노트북에서 Python, R, Scala 및 SQL 코드를 사용하여 데이터를 쿼리, 시각화 및 모델링합니다.

Apache Spark에서 기계 학습 솔루션을 빌드하기 위해 공동 작업하려는 경우 Azure Databricks를 사용합니다.

Azure Databricks 기능 설명
형식 Apache Spark 기반 분석 플랫폼
지원되는 언어 -파이썬
- R
-스칼라
- SQL
기계 학습 단계 - 데이터 준비
- 데이터 전처리
- 모델 학습
- 모델 튜닝
- 모델 유추
-경영
- 배포
주요 이점 - 간편하게 사용할 수 있는 원클릭 설정 및 간소화된 워크플로
- 공동 작업을 위한 대화형 작업 영역
- Azure와 원활한 통합
- 큰 데이터 세트 및 집약적인 계산을 처리하는 확장성
- 다양한 언어 지원 및 인기 있는 도구와의 통합

ML.NET

ML.NET 오픈 소스 플랫폼 간 기계 학습 프레임워크입니다. ML.NET 사용하여 사용자 지정 기계 학습 솔루션을 빌드하고 .NET 애플리케이션에 통합합니다. ML.NET 기계 학습 및 딥 러닝 모델을 학습 및 채점하기 위해 TensorFlow 및 ONNX와 같은 인기 있는 프레임워크와 다양한 수준의 상호 운용성을 제공합니다. 이미지 분류 모델 학습과 같은 리소스 집약적인 작업의 경우 Azure를 사용하여 클라우드에서 모델을 학습시킬 수 있습니다.

.NET 애플리케이션에 기계 학습 솔루션을 통합하려는 경우 ML.NET를 사용합니다. 코드 우선 환경을 위한 API와 낮은 코드 환경을 위한 Model Builder 또는 CLI 중에서 선택합니다.

ML.NET 기능 설명
형식 .NET을 사용하여 사용자 지정 기계 학습 애플리케이션을 개발하기 위한 오픈 소스 플랫폼 간 프레임워크
지원되는 언어 - C#
- F#
기계 학습 단계 - 데이터 준비
-훈련
- 배포
주요 이점 - 데이터 과학 또는 기계 학습 환경에 대한 요구 사항 없음
- Visual Studio 및 VS Code와 같은 친숙한 언어 및 도구
- .NET이 실행되는 애플리케이션 배포
- 확장 가능하고 확장할 수 있는 디자인
- 로컬 우선 경험
- 자동화된 기계 학습 작업을 위한 AutoML

Windows 앱용 AI

Windows 앱 AI를 사용하여 Windows 애플리케이션에 AI 기능을 통합하고 WinML 및 DirectML 기능을 사용하여 로컬 실시간 AI 모델 평가 및 하드웨어 가속을 제공합니다. WinML을 사용하면 개발자가 학습된 기계 학습 모델을 Windows 애플리케이션에 직접 통합할 수 있습니다. 모델을 실시간으로 로컬로 쉽게 평가할 수 있으며 클라우드 연결 없이도 강력한 AI 기능을 사용할 수 있습니다.

DirectML은 기계 학습 모델을 실행하기 위한 고성능 하드웨어 가속 플랫폼입니다. DirectX API를 사용하여 GPU 및 AI 가속기를 비롯한 다양한 하드웨어에서 최적화된 성능을 제공합니다.

Windows 애플리케이션 내에서 학습된 기계 학습 모델을 사용하려는 경우 Windows 앱용 AI를 사용합니다.

Windows 앱용 AI 기능 설명
형식 Windows 디바이스에서 학습된 모델을 위한 유추 엔진
지원되는 언어 - C#/C++
- JavaScript
기계 학습 단계 - 데이터 준비
- 모델 학습
-전개
주요 이점 - 로컬 실시간 AI 모델 평가
- CPU, GPU 및 AI 가속기를 비롯한 다양한 하드웨어 유형에서 고성능 AI 처리
- Windows 하드웨어에서 일관된 동작 및 성능

SynapseML

SynapseML(이전의 MMLSpark)는 확장성이 뛰어난 대규모 기계 학습 파이프라인의 생성을 간소화하는 오픈 소스 라이브러리입니다. SynapseML은 텍스트 분석, 비전 및 변칙 검색과 같은 다양한 기계 학습 작업에 대한 API를 제공합니다. SynapseML은 Apache Spark 분산 컴퓨팅 프레임워크를 기반으로 하며 SparkML 및 MLlib 라이브러리와 동일한 API를 공유하므로 SynapseML 모델을 기존 Apache Spark 워크플로에 원활하게 포함할 수 있습니다.

SynapseML은 Spark Machine Learning 파이프라인과 LightGBM(Light Gradient Boosting Machine), 로컬 해석 가능한 Model-Agnostic 설명, OpenCV등 다양한 딥 러닝 및 데이터 과학 도구를 Spark 에코시스템에 추가합니다. 이러한 도구를 사용하여 Azure Databricks 또는 Azure Cosmos DB 같은 모든 Spark 클러스터에서 강력한 예측 모델을 만들 수 있습니다.

또한 SynapseML은 Spark 에코시스템에 네트워킹 기능을 제공합니다. HTTP on Spark 프로젝트를 통해 사용자는 모든 웹 서비스를 SparkML 모델에 포함할 수 있습니다. 또한 SynapseML은 대규모로 AI 서비스를 오케스트레이션하기 위한 사용하기 쉬운 도구를 제공합니다. 프로덕션 등급 배포의 경우 Spark 서비스 프로젝트를 사용하면 Spark 클러스터에서 지원하는 높은 처리량 및 하위 밀리초 대기 시간 웹 서비스를 사용할 수 있습니다.

SynapseML 기능 설명
형식 Apache Spark용 오픈 소스, 분산, 기계 학습 및 마이크로서비스 프레임워크
지원되는 언어 -스칼라
-자바
-파이썬
- R
-.NET
기계 학습 단계 - 데이터 준비
- 모델 학습
-전개
주요 이점 - 확장성
- 스트리밍 및 서비스 호환
- 높은 내결함성
고려 사항 Apache Spark 필요

참가자

Microsoft에서 이 문서를 유지 관리합니다. 원래 다음 기여자가 작성했습니다.

주요 작성자:

공용이 아닌 LinkedIn 프로필을 보려면 LinkedIn에 로그인합니다.

다음 단계