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 정의 수행할 수 있는 작업
Azure Machine Learning 기계 학습을 위한 관리형 플랫폼 미리 학습된 모델을 사용하거나 Python 및 CLI를 사용하여 Azure에서 모델을 학습, 배포 및 관리합니다. AutoML(자동화된 기계 학습), 프롬프트 흐름, 모델 카탈로그 및 MLflow 통합과 같은 기능을 포함합니다. 프로덕션 중에 모델 성능 추적 및 이해
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 구현되어 미리 빌드된 AI 기능 추론을 제공하는 API를 호출하는 표준 프로그래밍 언어를 사용하여 지능형 애플리케이션을 빌드합니다. 기계 학습 및 데이터 과학 전문 지식은 여전히 이상적이지만, 이러한 기술 없이 엔지니어링 팀에서 이 플랫폼을 채택할 수도 있습니다.
Azure SQL Managed Instance Machine Learning Services. SQL을 위한 데이터베이스 내 기계 학습 Azure SQL Managed Instance 내에서 모델 학습 및 배포
Azure Synapse Analytics의 Machine Learning 기계 학습을 활용한 분석 서비스 Azure Synapse Analytics 내에서 모델 학습 및 배포
Azure Databricks Apache Spark 기반 분석 플랫폼 오픈 소스 기계 학습 라이브러리 및 MLflow 플랫폼과의 통합을 사용하여 모델 및 데이터 워크플로를 구축하고 배포합니다.

온-프레미스 기계 학습 제품

다음 옵션은 온-프레미스 기계 학습에 사용할 수 있습니다. 온-프레미스 서버도 클라우드의 가상 머신에서 실행할 수 있습니다.

온-프레미스 정의 수행할 수 있는 작업
SQL Server Machine Learning 서비스 SQL을 위한 데이터베이스 내 기계 학습 Python 및 R 스크립트를 사용하여 SQL Server 내에서 모델 학습 및 배포

개발 플랫폼 및 도구

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

플랫폼/도구 정의 수행할 수 있는 작업
Azure AI Studio AI 및 ML 시나리오를 위한 통합 개발 환경 AI 모델 및 애플리케이션을 개발, 평가 및 배포합니다. 다양한 Azure AI 서비스에서 공동 작업 및 프로젝트 관리를 용이하게 하며 여러 워크로드 팀에서 공통 환경으로 사용할 수도 있습니다.
Azure Machine Learning Studio 기계 학습을 위한 공동 작업, 끌어서 놓기 도구 최소한의 코딩으로 예측 분석 솔루션을 빌드, 테스트 및 배포합니다. 다양한 기계 학습 알고리즘 및 AI 모델을 지원합니다. 데이터 준비, 모델 학습 및 평가를 위한 도구가 있습니다.
Azure Data Science Virtual Machine 미리 설치된 데이터 과학 도구가 있는 가상 머신 이미지 Jupyter, R 및 Python과 같은 도구를 사용하여 미리 구성된 이 환경을 사용하여 사용자 고유의 VM에서 기계 학습 솔루션을 개발합니다.
ML.NET 오픈 소스, 플랫폼 간 기계 학습 SDK .NET 애플리케이션용 기계 학습 솔루션을 개발합니다.
Windows AI Windows 디바이스에서 학습된 모델에 대한 유추 엔진 실시간 로컬 AI 모델 평가 및 하드웨어 가속을 위해 WinML(Windows Machine Learning) 및 DirectML(Direct Machine Learning)과 같은 구성 요소를 사용하여 Windows 애플리케이션에 인공 지능 기능을 통합하는 플랫폼입니다.
SynapseML Apache Spark용 오픈 소스, 분산, 기계 학습 및 마이크로서비스 프레임워크 Scala 및 Python을 위한 확장 가능한 기계 학습 애플리케이션을 만들고 배포합니다.
Azure Data Studio용 Machine Learning 확장 Azure Data Studio용 오픈 소스 및 플랫폼 간 기계 학습 확장 패키지 관리, 기계 학습 모델 가져오기, 예측, SQL Database 실험을 위한 Notebooks 만들기

Azure Machine Learning

Azure Machine Learning은 기계 학습 모델을 대규모로 학습, 배포 및 관리하는 데 사용되는 완전 관리형 클라우드 서비스입니다. 이 서비스는 오픈 소스 기술을 완벽히 지원하여 TensorFlow, PyTorch 및 scikit-learn 등의 수많은 오픈 소스 Python 패키지를 사용할 수 있습니다. Visual Studio Code에서 리소스, 모델 학습 워크플로 및 배포를 관리할 수 있는 무료 확장인 Compute 인스턴스, Jupyter Notebook 또는 VS Code(Visual Studio Code용 Azure Machine Learning) 확장과 같은 다양한 도구를 사용할 수도 있습니다. Azure Machine Learning에는 쉽고 효율적이며 정확하게 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 없는 옵션의 경우 스튜디오에서 Azure Machine Learning의 대화형 디자이너를 사용하여 미리 빌드된 기계 학습 알고리즘을 사용하여 모델을 쉽고 빠르게 빌드, 테스트 및 배포할 수 있습니다. 또한 Azure Machine Learning은 기계 학습 모델의 CI/CD(지속적인 통합 및 지속적인 배포)를 위해 Azure DevOps 및 GitHub Actions와 통합됩니다.

항목 설명
형식 클라우드 기반 기계 학습 솔루션
지원되는 언어 Python, R
기계 학습 단계 데이터 준비
모델 학습
배포
MLOps/관리
책임 있는 AI
주요 이점 Code First(SDK) 및 Studio 그리고 끌어서 놓기 디자이너 웹 인터페이스 작성 옵션.
스크립트 및 실행 기록이 중앙에서 관리되므로 모델 버전을 쉽게 비교할 수 있습니다.
클라우드 또는 에지 디바이스로 모델을 쉽게 배포 및 관리합니다.
기계 학습 모델의 확장 가능한 학습, 배포 및 관리를 제공합니다.
고려 사항 모델 관리 모델에 어느 정도 숙지해야 합니다.

Azure AI 서비스

Azure AI 서비스는 개발자와 조직이 시장 대비 지능형 애플리케이션을 신속하게 만들 수 있도록 하는 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 제공하므로 모델 학습을 위해 데이터 세트 또는 데이터 과학 전문 지식을 가져올 필요가 없습니다. 다음과 같은 지능형 기능을 앱에 추가할 수 있습니다.

  • 비전: 개체 감지, 얼굴 인식, OCR(광학 문자 인식) 등 자세한 내용은 Computer Vision, Face, Document Intelligence를 참조하세요.
  • 음성: 음성-텍스트, 텍스트-음성, 및 화자 인식 등 자세한 내용은 Speech service를 참조하세요.
  • 언어: 번역, 감정 분석, 핵심 구 추출, 언어 이해 등 자세한 내용은 Azure OpenAI Services, Translator, 몰입형 리더, Bot Service 및 Language Services를 참조하세요.
  • 결정: 원치 않는 콘텐츠 검색 및 정보에 입각한 의사 결정 콘텐츠 안전.
  • 검색 및 지식: AI 기반 클라우드 검색 및 지식 마이닝 기능을 앱에 제공합니다. 자세한 내용은 Azure AI Search를 참조하세요.

Azure AI services를 사용하여 디바이스 및 플랫폼에서 앱을 개발합니다. API는 끊임없이 개선되며, 설치하기가 매우 쉽습니다.

항목 설명
형식 지능형 애플리케이션 구축을 위한 API
지원되는 언어 서비스에 따라 다양한 옵션. 표준은 C#, Java, JavaScript 및 Python입니다.
기계 학습 단계 배포
주요 이점 REST API 및 SDK를 통해 제공되는 미리 학습된 모델을 사용하여 지능형 애플리케이션을 구축합니다.
시각, 말, 언어, 의사결정을 통한 자연스러운 의사소통 방법을 위한 다양한 모델.
기계 학습 또는 데이터 과학 전문 지식이 필요하지 않거나 최소입니다.
확장성 및 유연성.
다양한 모델.

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.

항목 설명
형식 관계형 데이터에 대한 온-프레미스 예측 분석
지원되는 언어 Python, R, SQL
기계 학습 단계 데이터 준비
모델 학습
배포
주요 이점 예측 논리를 데이터베이스 함수에 캡슐화하여 데이터 계층 논리에 쉽게 포함할 수 있습니다.
고려 사항 SQL Database를 애플리케이션의 데이터 계층으로 간주합니다.

Azure AI Studio

Azure AI Studio는 생성 AI 애플리케이션과 Azure AI API를 책임감 있게 개발하고 배포하기 위한 통합 플랫폼입니다. 포괄적인 AI 기능 집합, 간소화된 사용자 인터페이스 및 코드 우선 환경을 제공하여 지능형 솔루션을 빌드, 테스트, 배포 및 관리하기 위한 원스톱 상점입니다. 개발자와 데이터 과학자가 Azure 광범위한 AI 제품을 사용하여 생성 AI 애플리케이션을 효율적으로 만들고 배포할 수 있도록 설계된 Azure AI Studio는 공정성, 투명성 및 책임의 포함된 원칙을 사용하여 책임 있는 AI 개발을 강조합니다. 이 플랫폼에는 바이어스 검색, 해석 가능성 및 개인 정보 보호 기계 학습을 위한 도구가 포함되어 있어 AI 모델이 강력하고 신뢰할 수 있으며 규정 요구 사항을 준수하도록 보장합니다. Microsoft의 Azure 에코시스템의 일환으로 AI Studio는 자연어 처리에서 컴퓨터 비전에 이르기까지 다양한 AI 및 기계 학습 요구 사항을 충족하는 강력한 도구와 서비스를 제공합니다. 다른 Azure 서비스와의 통합은 원활한 확장성과 성능을 보장하므로 엔터프라이즈에 이상적입니다. 또한 Azure AI Studio는 공동 작업 및 혁신을 촉진하여 공유 작업 영역, 버전 제어 및 통합 개발 환경과 같은 기능을 사용하여 공동 작업 환경을 지원합니다. 인기 있는 오픈 소스 프레임워크와 도구를 통합함으로써 Azure AI Studio는 개발 프로세스를 가속화하여 조직이 혁신을 주도하고 경쟁적인 AI 환경에서 앞서나갈 수 있도록 지원합니다.

항목 설명
형식 AI를 위한 통합 개발 환경
지원되는 언어 Python만
기계 학습 단계 데이터 준비
배포(서비스로서의 모델)
주요 이점 다양한 Azure AI 서비스에서 공동 작업 및 프로젝트 관리를 용이하게 합니다.
AI 모델을 빌드, 학습 및 배포하기 위한 포괄적인 도구를 제공합니다.
바이어스 검색, 해석 가능성 및 개인 정보 보호 기계 학습을 위한 도구를 사용하여 책임 있는 AI를 강조합니다.
인기 있는 오픈 소스 프레임워크 및 도구와의 통합을 지원합니다.
프롬프트 기반 워크플로를 만들고 관리하기 위한 Microsoft 프롬프트 흐름을 포함하며, LLM(대규모 언어 모델)에서 제공하는 AI 애플리케이션의 개발 주기를 간소화합니다.

Azure Machine Learning 스튜디오

Azure Machine Learning Studio 는 데이터에 예측 분석 솔루션을 빌드, 테스트 및 배포하기 위한 협업 끌어서 놓기 도구입니다. 데이터 과학자, 데이터 엔지니어 및 비즈니스 분석가를 위해 설계되었습니다. Azure Machine Learning 스튜디오 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.

항목 설명
형식 기계 학습을 위한 공동 작업, 끌어서 놓기 도구
지원되는 언어 Python, R, Scala 및 Java(제한된 환경)
기계 학습 단계 데이터 준비
모델 학습
배포
주요 이점 기계 학습 모델을 빌드하는 데 코딩이 필요하지 않습니다.
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 Azure Machine Learning과의 통합을 지원합니다.

Azure Machine Learning 스튜디오 및 Azure AI Studio의 압축 비교는 AI Studio 또는 Azure Machine Learning Studio를 참조하세요. 다음은 두 가지 주요 차이점입니다.

범주 기능 Azure AI Studio Azure Machine Learning 스튜디오
데이터 스토리지 스토리지 솔루션 아니요 예(클라우드 파일 시스템, OneLake, Azure Storage)
데이터 준비 데이터 통합 예(Blob Storage, OneLake, ADLS) 예(Azure Storage 계정으로 복사 및 탑재)
발달 코드 우선 도구 예(VS Code(Visual Studio 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)
컴퓨팅 대상 학습 컴퓨팅 서버리스(MaaS, 프롬프트 흐름) Spark 클러스터, ML 클러스터, Azure Arc
생성형 AI LLM 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

Microsoft Fabric 은 조직에 필요한 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. Microsoft Fabric은 데이터 통합, 데이터 엔지니어링, 데이터 웨어하우징, 데이터 과학, 실시간 분석 및 비즈니스 인텔리전스를 위한 기능을 제공합니다.

수집에서 인사이트에 이르기까지 전체 데이터 수명 주기를 관리하는 포괄적인 플랫폼이 필요한 경우 Microsoft Fabric을 사용합니다.

항목 설명
형식 통합 분석 플랫폼
지원되는 언어 Python, R, SQL, Scala
기계 학습 단계 데이터 준비
모델 학습
배포
실시간 분석
주요 이점 모든 데이터 및 분석 요구 사항을 위한 통합 플랫폼입니다.
다른 Microsoft 서비스 원활하게 통합합니다.
확장 가능하고 유연합니다.
다양한 데이터 및 분석 도구를 지원합니다.
조직의 여러 역할 간에 공동 작업을 용이하게 합니다.
수집에서 인사이트로의 엔드 투 엔드 데이터 수명 주기 관리.
실시간 분석 및 비즈니스 인텔리전스 기능.
기계 학습 모델 학습 및 배포를 지원합니다.
인기 있는 기계 학습 프레임워크 및 도구와 통합
데이터 준비 및 기능 엔지니어링을 위한 도구를 제공합니다.
실시간 기계 학습 유추 및 분석을 사용하도록 설정합니다.

Azure Data Science Virtual Machine

Azure Data Science Virtual Machine은 Microsoft Azure 클라우드의 사용자 지정 가상 머신 환경입니다. Windows 및 Linux Ubuntu 버전 모두에서 사용할 수 있습니다. 이 환경은 데이터 과학을 수행하고 머신 러닝 솔루션을 개발하기 위해 특별히 빌드 되었습니다. 여기에는 고급 분석을 위한 지능형 애플리케이션 구축을 빠르게 시작할 수 있도록 널리 사용되는 많은 데이터 과학, 머신 러닝 프레임워크 및 기타 도구가 미리 설치 및 구성되어 있습니다.

단일 노드에서 작업을 실행하거나 호스트해야 하는 경우 데이터 과학 VM을 사용하세요. 또는 단일 컴퓨터에서 처리를 원격으로 강화해야 하는 경우에 사용합니다.

항목 설명
형식 데이터 과학을 위한 사용자 지정 가상 머신 환경
주요 이점 데이터 과학 도구 및 프레임워크를 설치 및 관리하고 문제를 해결하는 데 드는 시간을 단축할 수 있습니다.

가장 일반적으로 사용되는 도구 및 프레임워크의 최신 버전이 포함되어 있습니다.

가상 머신 옵션에는 집약적 데이터 모델링을 위한 graphics processing unit (GPU) 기능이 있는 확장성 높은 이미지가 포함되어 있습니다.
고려 사항 오프라인 상태에서는 가상 머신에 액세스할 수 없습니다.

가상 머신을 실행하면 Azure 요금이 발생하므로, 필요할 때만 실행하도록 주의해야 합니다.

Azure Databricks

Azure Databricks 는 Microsoft Azure Cloud 플랫폼에 대해 최적화된 Apache Spark 기반 분석 플랫폼입니다. Databricks는 Azure와 통합되어 데이터 과학자, 데이터 엔지니어, 비즈니스 분석가가 협업할 수 있도록 하는 대화형 작업 영역, 간소화된 워크플로 및 원클릭 설정을 제공합니다. 웹 기반 노트북에서 Python, R, Scala 및 SQL 코드를 사용하여 데이터를 쿼리, 시각화 및 모델링합니다.

Apache Spark에서 기계 학습 솔루션을 빌드하는 데 공동 작업하려는 경우 Databricks를 사용합니다.

항목 설명
형식 Apache Spark 기반 분석 플랫폼
지원되는 언어 Python, R, Scala, SQL
기계 학습 단계 데이터 준비
데이터 전처리
모델 학습
모델 튜닝
모델 유추
관리
배포
주요 이점 간편하게 사용할 수 있는 원클릭 설정 및 간소화된 워크플로.
공동 작업을 위한 대화형 작업 영역입니다.
Azure와의 원활한 통합.
큰 데이터 세트 및 집약적인 계산을 처리하는 확장성.
다양한 언어를 지원하고 인기 있는 도구와의 통합을 지원합니다.

ML.NET

ML.NET은 오픈 소스 및 플랫폼 간 기계 학습 프레임워크입니다. ML.NET을 사용하여 사용자 지정 기계 학습 솔루션을 구축하고 .NET 애플리케이션에 통합할 수 있습니다. ML.NET은 기계 학습과 딥 러닝 모델을 학습하고 점수를 매기기 위해 TensorFlow 및 ONNX와 같은 자주 사용되는 프레임워크와 다양한 수준의 상호 운용성을 제공합니다. 이미지 분류 모델 학습과 같은 리소스 집약적인 작업의 경우 Azure를 활용하여 클라우드에서 모델을 학습할 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.

항목 설명
형식 .NET으로 사용자 지정 기계 학습 애플리케이션을 개발하기 위한 오픈 소스 플랫폼 간 프레임워크
지원되는 언어 C#, F#
기계 학습 단계 데이터 준비
학습
배포
주요 이점 데이터 과학 및 기계 학습 경험이 필요하지 않음
익숙한 도구(Visual Studio, Microsoft Visual Studio Code) 및 언어 사용
.NET이 실행되는 위치에 배포
확장 가능
확장성
로컬 우선 환경
자동화된 기계 학습 작업을 위한 AutoML

Windows AI

Windows AI Windows AI는 WinML(Windows Machine Learning) 및 DirectML(Direct Machine Learning)의 장점을 사용하여 로컬 실시간 AI 모델 평가 및 하드웨어 가속을 제공하는 Windows 애플리케이션에 인공 지능 기능을 통합하는 강력한 플랫폼입니다. WinML을 사용하면 개발자가 학습된 기계 학습 모델을 Windows 애플리케이션에 직접 통합할 수 있습니다. 모델을 실시간으로 로컬로 쉽게 평가할 수 있으므로 클라우드 연결 없이도 강력한 AI 기능을 사용할 수 있습니다.

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

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

항목 설명
형식 Windows 디바이스에서 학습된 모델을 위한 유추 엔진
기계 학습 단계 데이터 준비
모델 학습
배포
지원되는 언어 C#/C++, JavaScript
주요 이점 로컬 실시간 AI 모델 평가
CPU, GPU 및 AI 가속기를 비롯한 다양한 하드웨어 유형에서 고성능 AI 처리 달성
다양한 Windows 하드웨어에서 일관된 동작과 성능을 보장합니다.

SynapseML

SynapseML (이전에는 MMLSpark)은 대규모로 확장 가능한 기계 학습 파이프라인을 간편하게 만들 수 있는 오픈 소스 라이브러리입니다. SynapseML은 텍스트 분석, 비전, 변칙 검색 등의 다양한 머신 러닝 작업을 위한 API를 제공합니다. SynapseML은 Apache Spark 분산 컴퓨팅 프레임워크를 기반으로 하며 SparkML/MLLib 라이브러리와 동일한 API를 공유하므로, SynapseML 모델을 기존 Apache Spark 워크플로에 원활하게 포함할 수 있습니다.

SynapseML은 Spark Machine Learning 파이프라인의 Light Gradient Boosting Machine (LightGBM), LIME (Model Interpretability) 및 OpenCV와의 원활한 통합을 비롯하여 Spark 에코시스템에 많은 딥 러닝 및 데이터 과학 도구를 추가합니다. 이러한 도구를 사용하여 Azure Databricks 또는 Cosmic Spark와 같은 모든 Spark 클러스터에서 강력한 예측 모델을 만들 수 있습니다.

SynapseML는 또한 Spark 에코시스템에 네트워킹 기능을 제공합니다. HTTP on Spark 프로젝트를 통해 사용자는 모든 웹 서비스를 SparkML 모델에 포함할 수 있습니다. 또한 SynapseML는 Azure AI services 를 대규모로 조정하기 위한 사용하기 쉬운 도구를 제공합니다. 프로덕션 등급 배포의 경우 Spark 서비스 제공 프로젝트는 Spark 클러스터에서 지원하는 밀리초 미만의 대기 시간 웹 서비스를 지원합니다.

항목 설명
형식 Apache Spark용 오픈 소스, 분산, 기계 학습 및 마이크로서비스 프레임워크
지원되는 언어 Scala, Java, Python, R 및 .NET
기계 학습 단계 데이터 준비
모델 학습
배포
주요 이점 확장성
스트리밍 + 서비스 제공 호환
내결함성
고려 사항 Apache Spark 필요

참가자

Microsoft에서 이 문서를 유지 관리합니다. 원래 다음 기여자가 작성했습니다.

주요 작성자:

다음 단계