Partilhar via

Compare produtos e tecnologias de aprendizado de máquina da Microsoft

  • Artigo

Saiba mais sobre os produtos e tecnologias de aprendizado de máquina da Microsoft. Compare opções para ajudá-lo a escolher como criar, implantar e gerenciar suas soluções de aprendizado de máquina com mais eficiência.

Produtos de aprendizagem automática baseados na nuvem

As opções a seguir estão disponíveis para aprendizado de máquina na nuvem do Azure.

Opção de nuvem Description Características e utilizações
Azure Machine Learning Plataforma gerenciada para aprendizado de máquina Use um modelo pré-treinado ou treine, implante e gerencie modelos no Azure usando Python e uma CLI. O Machine Learning inclui recursos como aprendizado de máquina automatizado (AutoML), fluxo de prompt, catálogo de modelos e integração MLflow. Você pode acompanhar e entender o desempenho do modelo durante o estágio de produção.
Microsoft Fabric Plataforma de análise unificada Gerencie todo o ciclo de vida dos dados, desde a ingestão até os insights, usando uma plataforma abrangente que integra vários serviços e ferramentas para profissionais de dados, incluindo engenheiros de dados, cientistas de dados e analistas de negócios.
serviços de IA do Azure Recursos de IA pré-criados que são implementados por meio de APIs REST e SDKs Crie aplicativos inteligentes usando linguagens de programação padrão. Essas linguagens chamam APIs que realizam inferência. Embora o ideal seja que você tenha experiência em aprendizado de máquina e ciência de dados, as equipes de engenharia que não têm essas habilidades também podem adotar essa plataforma.
Serviços de aprendizado de máquina da Instância Gerenciada do SQL do Azure Aprendizado de máquina no banco de dados para SQL Treine e implante modelos dentro da Instância Gerenciada SQL.
Aprendizagem automática no Azure Synapse Analytics Serviço de análise que utiliza aprendizagem automática Treine e implante modelos dentro do Azure Synapse Analytics.
Azure Databricks Plataforma de análise baseada no Apache Spark Crie e implante modelos e fluxos de trabalho de dados integrando-se a bibliotecas de aprendizado de máquina de código aberto e à plataforma MLflow.

Produto de aprendizagem automática no local

A opção a seguir está disponível para aprendizado de máquina local. Os servidores locais também podem ser executados em uma máquina virtual (VM) na nuvem.

Produto local Description Características e utilizações
serviços de aprendizado de máquina do SQL Server Aprendizado de máquina no banco de dados para SQL Treine e implante modelos dentro do SQL Server usando scripts Python e R.

Plataformas e ferramentas de desenvolvimento

As seguintes plataformas e ferramentas de desenvolvimento estão disponíveis para aprendizado de máquina.

Plataforma ou ferramenta Description Características e utilizações
portal do Azure AI Foundry Ambiente de desenvolvimento unificado para cenários de IA e aprendizado de máquina Desenvolva, avalie e implante modelos e aplicativos de IA. O portal do Azure AI Foundry facilita a colaboração e o gerenciamento de projetos em vários serviços de IA do Azure. Você pode até mesmo usá-lo como um ambiente comum em várias equipes de carga de trabalho.
estúdio de Aprendizado de Máquina do Azure Ferramenta colaborativa de arrastar e soltar para aprendizado de máquina Crie, teste e implante soluções de análise preditiva usando codificação mínima. O estúdio de Machine Learning suporta uma ampla gama de algoritmos de aprendizado de máquina e modelos de IA. Ele fornece ferramentas para preparação de dados, treinamento de modelos e avaliação.
Máquina Virtual de Ciência de Dados do Azure Imagem de VM que inclui ferramentas de ciência de dados pré-instaladas Use um ambiente pré-configurado com ferramentas como Jupyter, R e Python para desenvolver soluções de aprendizado de máquina em suas próprias VMs.
Microsoft ML.NET SDK de aprendizado de máquina de código aberto e plataforma cruzada Desenvolva soluções de aprendizado de máquina para aplicativos .NET.
AI para aplicativos do Windows Mecanismo de inferência para modelos treinados em dispositivos Windows Integra recursos de IA em aplicativos do Windows usando componentes como de Aprendizado de Máquina do Windows (WinML) e de Aprendizado de Máquina Direto (DirectML) para avaliação de modelos de IA locais e em tempo real e aceleração de hardware.
SinapseML Estrutura de microsserviços e aprendizado de máquina distribuído de código aberto para o Apache Spark Crie e implante aplicativos escaláveis de aprendizado de máquina para Scala e Python.
extensão de aprendizado de máquina para o Azure Data Studio Extensão de aprendizado de máquina de código aberto e plataforma cruzada para o Azure Data Studio Gerencie pacotes, importe modelos de aprendizado de máquina, faça previsões e crie blocos de anotações para executar experimentos para seus bancos de dados SQL.

Azure Machine Learning

de Aprendizado de Máquina é um serviço de nuvem totalmente gerenciado que você pode usar para treinar, implantar e gerenciar modelos de aprendizado de máquina em escala. Ele suporta totalmente tecnologias de código aberto, para que você possa usar dezenas de milhares de pacotes Python de código aberto, como TensorFlow, PyTorch e scikit-learn.

Ferramentas avançadas, como instâncias de computação , blocos de anotações Jupyter , ou a extensão Azure Machine Learning para o Visual Studio Code (VS Code), também estão disponíveis. A extensão Machine Learning for VS Code é uma extensão gratuita que permite gerenciar seus recursos e modelar fluxos de trabalho e implantações de treinamento no VS Code. O Machine Learning inclui recursos que automatizam a geração e o ajuste de modelos com facilidade, eficiência e precisão.

Use Python SDK, Jupyter notebooks, R e a CLI para aprendizado de máquina em escala de nuvem. Se você quiser uma opção low-code ou no-code, use Designer no estúdio. O Designer ajuda você a criar, testar e implantar modelos de forma fácil e rápida usando algoritmos de aprendizado de máquina pré-construídos. Além disso, você pode integrar o Machine Learning com o Azure DevOps e as Ações do GitHub para integração contínua e implantação contínua (CI/CD) de modelos de aprendizado de máquina.

Funcionalidade de Aprendizagem Automática Description
Tipo Solução de aprendizagem automática baseada na nuvem
Idiomas suportados - Python
- R
Fases de aprendizagem automática - Preparação de dados
- Modelo de formação
- Implantação
- MLOps ou gestão
- IA responsável
Principais vantagens - Opções de criação de interface web com Code-first (SDK), estúdio e designer de arrastar e soltar.
- Gerenciamento central de scripts e histórico de execução, o que facilita a comparação de versões de modelos
- Fácil implantação e gerenciamento de modelos para a nuvem ou dispositivos de borda
- Treinamento, implantação e gerenciamento escaláveis de modelos de machine learning
Considerações Requer alguma familiaridade com o modelo de gerenciamento de modelos.

Serviços de IA do Azure

Serviços de Inteligência Artificial é um conjunto abrangente de APIs pré-concebidas que ajudam programadores e organizações a criar aplicações inteligentes e prontas para o mercado rapidamente. Esses serviços fornecem APIs e SDKs prontos para uso e personalizáveis que permitem que seus aplicativos vejam, ouçam, falem, entendam e interpretem as necessidades do usuário com o mínimo de código. Esses recursos tornam desnecessários conjuntos de dados ou conhecimentos em ciência de dados para treinar modelos. Pode adicionar funcionalidades inteligentes às suas aplicações, tais como:

  • Visão: Inclui deteção de objetos, reconhecimento facial e reconhecimento ótico de caracteres. Para obter mais informações, consulte Azure AI Vision, Azure AI Facee Azure AI Document Intelligence.
  • Speech: Inclui recursos de conversão de fala em texto, conversão de texto em fala e reconhecimento de oradores. Para obter mais informações, consulte Serviço de fala.
  • Idioma: Inclui tradução, análise de sentimento, extração de frases-chave e compreensão de idiomas. Para obter mais informações, consulte de Serviço OpenAI do Azure, Azure AI Translator, Azure AI Immersive Reader, Bot Framework Composere Azure AI Language.
  • Tomada de decisões: Detetar conteúdos indesejados e tomar decisões informadas. Para obter mais informações, consulte Segurança de Conteúdo do Azure AI .
  • Pesquisa e conhecimento: Traga recursos de pesquisa na nuvem e mineração de conhecimento baseados em IA para seus aplicativos. Para obter mais informações, consulte Azure AI Search.

Use serviços de IA para desenvolver aplicativos em dispositivos e plataformas. As APIs melhoram continuamente e são fáceis de configurar.

Funcionalidade de serviços de IA Description
Tipo APIs para criar aplicativos inteligentes
Idiomas suportados Várias opções dependendo do serviço. As opções padrão são C#, Java, JavaScript e Python.
Fases de aprendizagem automática Implementação
Principais vantagens - Construir aplicações inteligentes usando modelos pré-treinados que estão disponíveis através de API REST e SDK
- Usar vários modelos para métodos de comunicação natural que tenham visão, fala, linguagem e capacidade de tomada de decisão
- Nenhum ou mínimo conhecimento de aprendizado de máquina ou ciência de dados é necessário
- As APIs são escaláveis e flexíveis
- Você pode escolher entre vários modelos

Aprendizado de máquina SQL

O aprendizado de máquina SQL adiciona análise estatística, visualização de dados e análise preditiva em Python e R para dados relacionais, tanto no local quanto na nuvem. As plataformas e ferramentas atuais incluem:

Use o aprendizado de máquina SQL quando precisar de IA interna e análise preditiva em dados relacionais em SQL.

Recurso de aprendizagem automática SQL Description
Tipo Análise preditiva local para dados relacionais
Idiomas suportados -Python
- R
- SQL
Fases de aprendizagem automática - Preparação de dados
- Modelo de formação
- Implantação
Principais vantagens Encapsular lógica preditiva em uma função de banco de dados. Esse processo facilita a inclusão da lógica da camada de dados.
Considerações Pressupõe que você use um banco de dados SQL como a camada de dados para seu aplicativo.

Azure AI Foundry

O Azure AI Foundry é uma plataforma unificada que você pode usar para desenvolver e implantar aplicativos de IA generativos e APIs de IA do Azure de forma responsável. O sistema fornece um conjunto abrangente de capacidades de IA, uma interface do utilizador simplificada e experiências de desenvolvimento focadas em código. Esses recursos o tornam uma plataforma abrangente para criar, testar, implantar e gerenciar soluções inteligentes.

O Azure AI Foundry ajuda desenvolvedores e cientistas de dados a criar e implantar com eficiência aplicativos de IA generativa usando as ofertas de IA do Azure. Ele enfatiza o desenvolvimento responsável da IA e incorpora princípios de justiça, transparência e prestação de contas. A plataforma inclui ferramentas para deteção de vieses, interpretabilidade e aprendizado de máquina que preserva a privacidade. Essas ferramentas ajudam a garantir que os modelos de IA sejam poderosos, confiáveis e estejam em conformidade com os requisitos regulamentares.

Como parte do ecossistema do Microsoft Azure, o Azure AI Foundry fornece ferramentas e serviços robustos que atendem a várias necessidades de IA e aprendizado de máquina, incluindo processamento de linguagem natural e visão computacional. Sua integração com outros serviços do Azure ajuda a garantir escalabilidade e desempenho contínuos, o que o torna uma opção ideal para empresas.

O portal Azure AI Foundry promove a colaboração e a inovação fornecendo recursos como espaços de trabalho compartilhados, controle de versão e ambientes de desenvolvimento integrados. Ao integrar estruturas e ferramentas de código aberto populares, o Azure AI Foundry acelera o processo de desenvolvimento para que as organizações possam impulsionar a inovação e manter-se à frente no cenário competitivo de IA.

Funcionalidade do Azure AI Foundry Description
Tipo Ambiente de desenvolvimento unificado para IA
Idiomas suportados Apenas Python
Fases de aprendizagem automática - Preparação de dados
- Implantação (Modelos como um serviço (MaaS))
Principais vantagens - Facilita a colaboração e o gerenciamento de projetos em vários serviços de IA
- Fornece ferramentas abrangentes para construir, treinar e implantar modelos de IA
- Enfatiza a IA responsável, fornecendo ferramentas para deteção de vieses, interpretabilidade e aprendizado de máquina que preserva a privacidade
- Suporta integração com frameworks e ferramentas populares de código aberto
- Inclui fluxo de prompt para criar e gerenciar fluxos de trabalho baseados em prompts O fluxo de prompt simplifica o ciclo de desenvolvimento de aplicativos de IA que são alimentados por modelos de linguagem

Azure Machine Learning Studio

O estúdio Azure Machine Learning é uma ferramenta colaborativa de arrastar e soltar para criar, testar e implantar soluções de análise preditiva nos seus dados. Ele foi projetado para cientistas de dados, engenheiros de dados e analistas de negócios. O estúdio de Machine Learning suporta uma ampla gama de algoritmos e ferramentas de aprendizado de máquina para preparação de dados, treinamento de modelos e avaliação. Ele também fornece uma interface visual para conectar conjuntos de dados e módulos em uma tela interativa.

Estúdio de recurso de aprendizagem automática Description
Tipo Ferramenta colaborativa de arrastar e soltar para aprendizado de máquina
Idiomas suportados - Python
- R
- Scala
- Java (experiência limitada)
Fases de aprendizagem automática - Preparação de dados
- Modelo de formação
- Implantação
Principais vantagens - Não requer codificação para construir modelos de aprendizado de máquina
- Suporta uma ampla gama de algoritmos e ferramentas de aprendizado de máquina para preparação de dados, treinamento de modelos e avaliação
- Fornece uma interface visual para conectar conjuntos de dados e módulos em uma tela interativa
- Suporta integração com Machine Learning para tarefas avançadas de machine learning

Para obter uma comparação abrangente do estúdio de Aprendizado de Máquina e do portal do Azure AI Foundry, consulte portal do Azure AI Foundry ouestúdio de Aprendizado de Máquina . A tabela a seguir resume as principais diferenças entre eles:

Categoria Funcionalidade Portal do Azure AI Foundry Estúdio de Machine Learning
armazenamento de dados Solução de armazenamento Não Sim (sistema de arquivos na nuvem, OneLake, Armazenamento do Azure)
Preparação de dados Integração de dados Sim (Azure Blob Storage, OneLake, Azure Data Lake Storage) Sim (copiar e montar usando contas de armazenamento do Azure)
Desenvolvimento Ferramentas de código primeiro Sim (VS Code) Sim (Notebooks, Jupyter, VS Code, R Studio)
Idiomas Idiomas suportados Apenas Python Python, R, Scala, Java
Formação AutoML Não Sim (regressão, classificação, previsão, CV, PNL)
Alvos de computação Computação de treinamento Sem servidor (MaaS, fluxo de prompt) Clusters Spark, clusters de aprendizado de máquina, Azure Arc
IA generativa Catálogo de modelos linguísticos Sim (Azure OpenAI, Hugging Face, Meta) Sim (Azure OpenAI, Hugging Face, Meta)
Implementação Atendimento em tempo real e em lote Tempo real (MaaS) Pontos de extremidade em lote, Azure Arc
Governação Ferramentas de IA responsável Não Sim (Painel de IA responsável)

Microsoft Fabric

Fabric é uma plataforma de análise completa e unificada que reúne todos os dados e ferramentas de análise de que as organizações precisam. Ele integra vários serviços e ferramentas para fornecer uma experiência perfeita para profissionais de dados, incluindo engenheiros de dados, cientistas de dados e analistas de negócios. O Fabric fornece recursos para integração de dados, engenharia de dados, data warehousing, ciência de dados, análise em tempo real e business intelligence.

Use o Fabric quando precisar de uma plataforma abrangente para gerenciar todo o ciclo de vida dos dados, desde a ingestão até os insights.

Funcionalidade de tecido Description
Tipo Plataforma de análise unificada
Idiomas suportados - Python
- R
- SQL
- Scala
Fases de aprendizagem automática - Preparação de dados
- Modelo de formação
- Implantação
- Análise em tempo real
Principais vantagens - Plataforma unificada para todas as necessidades de dados e análises
- Integração perfeita com outros serviços da Microsoft
- Escalável e flexível
- Suporta uma ampla gama de dados e ferramentas de análise
- Facilita a colaboração entre diferentes funções em uma organização
- Gerenciamento de ciclo de vida de dados de ponta a ponta, desde a ingestão até insights
- Capacidades de análise e business intelligence em tempo real
- Treinamento de modelo de Machine Learning e suporte à implantação
- Integração com frameworks e ferramentas populares de machine learning
- Ferramentas para preparação de dados e engenharia de características
- Inferência e análise de aprendizagem automática em tempo real

Máquina Virtual de Ciência de Dados do Azure

de Máquina Virtual de Ciência de Dados do Azure é um ambiente de VM personalizado na nuvem do Microsoft Azure. Está disponível em versões para Windows e Linux Ubuntu. O ambiente é especificamente para tarefas de ciência de dados e desenvolvimento de soluções de aprendizado de máquina. Ele tem muitas funções populares de ciência de dados, estruturas de aprendizado de máquina e outras ferramentas que são pré-instaladas e pré-configuradas para que você possa começar a criar aplicativos inteligentes para análises avançadas.

Use a VM de Ciência de Dados quando precisar executar ou hospedar seus trabalhos em um único nó ou se precisar expandir remotamente seu processamento em uma única máquina.

Funcionalidade Máquina Virtual de Ciência de Dados do Azure Description
Tipo Ambiente de VM personalizado para ciência de dados
Principais vantagens - Tempo reduzido para instalar, gerenciar e solucionar problemas de ferramentas e estruturas de ciência de dados
- Inclui as versões mais recentes de ferramentas e frameworks comumente usados
- Inclui imagens altamente escaláveis e recursos de unidade de processamento gráfico (GPU) para modelagem de dados intensiva
Considerações - A VM não pode ser acessada quando está offline.
- A execução de uma VM incorre em encargos do Azure, portanto, você deve certificar-se de que ela seja executada apenas quando você precisar.

Azure Databricks

Azure Databricks é uma plataforma de análise baseada no Apache Spark otimizada para a plataforma de nuvem do Microsoft Azure. O Azure Databricks é integrado ao Azure para fornecer configuração com um clique, fluxos de trabalho simplificados e um espaço de trabalho interativo que permite a colaboração entre cientistas de dados, engenheiros de dados e analistas de negócios. Utilize código Python, R, Scala e SQL em blocos de notas baseados na Web para consultar, visualizar e modelar dados.

Use o Azure Databricks quando quiser colaborar na criação de soluções de aprendizado de máquina no Apache Spark.

Funcionalidade do Azure Databricks Description
Tipo Plataforma de análise baseada no Apache Spark
Idiomas suportados - Python
- R
- Scala
- SQL
Fases de aprendizagem automática - Preparação de dados
- Pré-processamento de dados
- Modelo de formação
- Afinação do modelo
- Inferência do modelo
- Gestão
- Implantação
Principais vantagens - Configuração com um clique e fluxos de trabalho simplificados para fácil uso
- Espaço de trabalho interativo para colaboração
- Integração perfeita com o Azure
- Escalabilidade para lidar com grandes conjuntos de dados e cálculos intensivos
- Suporte para vários idiomas e integração com ferramentas populares

ML.NET

ML.NET é uma estrutura de aprendizado de máquina de código aberto e multiplataforma. Use ML.NET para criar soluções personalizadas de aprendizado de máquina e integrá-las em seus aplicativos .NET. ML.NET fornece vários níveis de interoperabilidade com estruturas populares como TensorFlow e ONNX para treinamento e pontuação de modelos de aprendizado de máquina e aprendizado profundo. Para tarefas que consomem muitos recursos, como treinar modelos de classificação de imagens, você pode usar o Azure para treinar seus modelos na nuvem.

Utilize o ML.NET quando quiser integrar soluções de machine learning nas suas aplicações .NET. Escolha entre a API para uma experiência code-first e o Model Builder ou a CLI para uma experiência low-code.

ML.NET recurso Description
Tipo Estrutura multiplataforma de código aberto para desenvolver aplicativos de aprendizado de máquina personalizados com .NET
Idiomas suportados - C#
- F#
Fases de aprendizagem automática - Preparação de dados
- Formação
- Implantação
Principais vantagens - Nenhum requisito para ciência de dados ou experiência em aprendizado de máquina
- Linguagens e ferramentas familiares como Visual Studio e VS Code
- Implanta o aplicativo onde o .NET é executado
- Design extensível e escalável
- Primeira experiência local
- AutoML para tarefas automatizadas de machine learning

AI para aplicativos do Windows

Use AI para aplicativos do Windows para integrar recursos de IA em aplicativos do Windows Use os recursos WinML e DirectML para fornecer avaliação de modelo de IA local e em tempo real e aceleração de hardware. O WinML permite que os desenvolvedores integrem modelos de aprendizado de máquina treinados diretamente em seus aplicativos do Windows. Ele facilita a avaliação local e em tempo real de modelos e permite recursos poderosos de IA sem a necessidade de conectividade na nuvem.

O DirectML é uma plataforma acelerada por hardware de alto desempenho para executar modelos de aprendizado de máquina. Ele usa APIs DirectX para fornecer desempenho otimizado em diversos hardwares, incluindo GPUs e aceleradores de IA.

Use a IA para aplicativos do Windows quando quiser usar modelos de aprendizado de máquina treinados em seus aplicativos do Windows.

Recurso de IA para aplicativos do Windows Description
Tipo Mecanismo de inferência para modelos treinados em dispositivos Windows
Idiomas suportados - C#/C++
- JavaScript
Fases de aprendizagem automática - Preparação de dados
- Modelo de formação
- Implantação
Principais vantagens - Avaliação de modelos de IA locais e em tempo real
- Processamento de IA de alto desempenho em vários tipos de hardware, incluindo CPUs, GPUs e aceleradores de IA
- Comportamento e desempenho consistentes em todo o hardware do Windows

SinapseML

SynapseML, anteriormente conhecida como MMLSpark, é uma biblioteca de código aberto que simplifica a criação de pipelines de aprendizado de máquina massivamente escaláveis. O SynapseML fornece APIs para várias tarefas de aprendizado de máquina, como análise de texto, visão e deteção de anomalias. O SynapseML é construído na estrutura de computação distribuída Apache Spark e compartilha a mesma API que as bibliotecas SparkML e MLlib, para que você possa incorporar perfeitamente modelos SynapseML em fluxos de trabalho existentes do Apache Spark.

O SynapseML adiciona muitas ferramentas de aprendizagem profunda e ciência de dados ao ecossistema do Spark, incluindo a integração perfeita de pipelines de Spark Machine Learning com Light Gradient Boosting Machine (LightGBM), de Explicações Model-Agnostic Interpretáveis Locais e OpenCV. Você pode usar essas ferramentas para criar modelos preditivos poderosos em qualquer cluster do Spark, como Azure Databricks ou Azure Cosmos DB.

SynapseML também fornece recursos de rede para o ecossistema Spark. Com o projeto HTTP no Spark, os usuários podem incorporar qualquer serviço Web em seus modelos SparkML. Além disso, o SynapseML fornece ferramentas fáceis de usar para orquestrar serviços de IA em escala. Para implantação de nível de produção, o projeto Spark Serving permite serviços Web de alta taxa de transferência e latência de submilissegundos que são apoiados pelo cluster do Spark.

Recurso SynapseML Description
Tipo Estrutura de microsserviços e aprendizado de máquina distribuído de código aberto para o Apache Spark
Idiomas suportados - Scala
- Java
- Python
- R
- .NET
Fases de aprendizagem automática - Preparação de dados
- Modelo de formação
- Implantação
Principais vantagens - Escalabilidade
- Streaming e entrega compatível
- Alta tolerância a falhas
Considerações Requer Apache Spark

Contribuidores

Este artigo é mantido pela Microsoft. Foi originalmente escrito pelos seguintes contribuidores.

Principais autores:

Para ver perfis não públicos do LinkedIn, faça login no LinkedIn.

Próximos passos