Поделиться через

Сравнение продуктов и технологий машинного обучения Майкрософт

  • Статья

Узнайте о продуктах и технологиях машинного обучения Майкрософт. Сравните варианты для эффективной сборки, развертывания и администрирования решений машинного обучения.

Продукты машинного обучения на основе облака

Для машинного обучения в облаке доступны следующие решения.

Варианты облака Что это Возможности
Машинное обучение Azure Управляемая платформа для машинного обучения Используйте предварительно обученную модель или обучение, развертывание и управление моделями в Azure с помощью Python и CLI. Включает такие функции, как автоматизированное машинное обучение (AutoML), поток запросов, каталог моделей и интеграция MLflow. Отслеживание и понимание производительности модели во время рабочей среды
Microsoft Fabric Унифицированная платформа аналитики Управление всем жизненным циклом данных, от приема к аналитике с помощью комплексной платформы, которая интегрирует различные службы и инструменты для специалистов по обработке и анализу данных, включая инженеров данных, специалистов по обработке и анализу данных и бизнес-аналитиков
Службы искусственного интеллекта Azure Предварительно созданные возможности AI, реализованные с помощью API-интерфейсов и пакетов SDK. Создавайте интеллектуальные приложения с помощью стандартных языков программирования, которые вызывают API-интерфейсы, обеспечивающие вывод. Хотя специалисты по машинному обучению и обработке и анализу данных по-прежнему идеально подходят, эта платформа также может быть принята инженерными командами без таких навыков
Службы машинного обучения в Управляемом экземпляре SQL Azure Машинное обучение для баз данных в SQL Обучение и развертывание моделей в Управляемом экземпляре SQL Azure
Машинное обучение в Azure Synapse Analytics Служба аналитики с машинным обучением Обучение и развертывание моделей в Azure Synapse Analytics
Azure Databricks Платформа аналитики на основе Apache Spark Создание и развертывание моделей и рабочих процессов данных с помощью интеграции с библиотеками машинного обучения с открытым исходным кодом и платформой MLflow .

Локальный продукт машинного обучения

Следующий вариант доступен для локального обучения машинного обучения. Локальные серверы также можно запустить на виртуальной машине в облаке.

Локально Что это Возможности
Службы машинного обучения SQL Server Машинное обучение для баз данных в SQL Обучение и развертывание моделей в SQL Server с помощью скриптов Python и R

Платформы и средства разработки

Для машинного обучения доступны следующие платформы и средства разработки.

Платформы и средства Что это Возможности
портале Azure AI Foundry Единая среда разработки для сценариев искусственного интеллекта и машинного обучения Разработка, оценка и развертывание моделей и приложений ИИ. Упрощает совместную работу и управление проектами в различных службах ИИ Azure и даже может использоваться в качестве общей среды для нескольких рабочих нагрузок.
Студии машинного обучения Azure Инструмент совместной работы, перетаскивания для машинного обучения Создание, тестирование и развертывание решений прогнозной аналитики с минимальным кодом. Поддерживает широкий спектр алгоритмов машинного обучения и моделей ИИ. Он имеет средства для подготовки данных, обучения модели и оценки.
Виртуальная машина для обработки и анализа данных Azure Образ виртуальной машины с предварительно установленными средствами обработки и анализа данных Разработка решений машинного обучения на собственных виртуальных машинах с помощью этой предварительно настроенной среды с помощью таких средств, как Jupyter, R и Python.
ML.NET Кроссплатформенный пакет SDK для машинного обучения с открытым исходным кодом Разработка решений машинного обучения для приложений .NET.
Средства ИИ Windows Подсистема вывода для обученных моделей на устройствах Windows Платформа, которая интегрирует возможности искусственного интеллекта в приложения Windows с помощью таких компонентов, как Windows Машинное обучение (WinML) и Direct Машинное обучение (DirectML) для локальной оценки модели ИИ в режиме реального времени и аппаратного ускорения.
SynapseML Основанная на исходном коде распределенная платформа машинного обучения и микрослужб для Apache Spark Создание и развертывание масштабируемых приложений машинного обучения для Scala и Python.
Расширение Машинного обучения для Azure Data Studio Основанное на открытом исходном коде кроссплатформенное расширение машинного обучения для Azure Data Studio Управление пакетами, импорт моделей машинного обучения, создание прогнозов и создание записных книжек для выполнения экспериментов для баз данных SQL

Машинное обучение Azure

Машинное обучение Azure — это полностью управляемая облачная служба, используемая для обучения, развертывания и управления моделями машинного обучения в большом масштабе. Она полностью поддерживает технологии с открытым исходным кодом, позволяя использовать десятки тысяч пакетов Python c открытым исходным кодом, таких как TensorFlow, PyTorch и scikit-learn. Также доступны расширенные средства, такие как вычислительные экземпляры, записные книжки Jupyter или расширение Машинное обучение Azure для Visual Studio Code (VS Code), бесплатное расширение, позволяющее управлять ресурсами, рабочими процессами обучения моделей и развертываниями в Visual Studio Code. Машинное обучение Azure включает в себя компоненты, которые с легкостью эффективно и точно автоматизируют создание и настройку моделей.

Используйте пакет SDK для Python, записные книжки Jupyter, R и CLI для машинного обучения в масштабе облака. Для варианта с написанием небольшого объема кода или без кода вообще используйте интерактивный конструктор Машинного обучения Azure в студии, чтобы легко и быстро создавать, тестировать и развертывать модели с помощью предварительно созданных алгоритмов машинного обучения. Кроме того, Машинное обучение Azure обеспечивает интеграцию с Azure DevOps и GitHub Actions для непрерывной интеграции и непрерывного развертывания (CI/CD) моделей машинного обучения.

Позиция Описание
Тип Решение машинного обучения на основе облака
Поддерживаемые языки Python, R
Этапы машинного обучения Подготовка данных
Обучение модели
Развертывание
MLOps и управление
Ответственное применение ИИ
Основные преимущества Сначала код (SDK) и студии и параметры разработки веб-интерфейса конструктора перетаскивания.
Централизованное управление скриптами и журналом выполнения, что упрощает сравнение версий модели.
Простое развертывание моделей и управление ими в облаке или на граничных устройствах.
Предлагает масштабируемое обучение, развертывание и управление моделями машинного обучения.
Рекомендации Необходимо ознакомиться с моделью управления моделями.

Службы ИИ Azure

Службы искусственного интеллекта Azure — это комплексный набор предварительно созданных API, которые позволяют разработчикам и организациям быстро создавать интеллектуальные и готовые к рынкам приложения. Эти службы предлагают стандартные и настраиваемые API и пакеты SDK, которые позволяют приложениям просматривать, слышать, говорить, интерпретировать потребности пользователей с минимальным кодом, что делает его ненужным для обучения моделей наборов данных или специалистов по обработке и анализу данных. Вы можете добавить интеллектуальные функции в приложения, например:

  • Зрение: обнаружение объектов, распознавание лиц, оптическое распознавание символов (OCR) и т. д. Дополнительные сведения см. в разделе Компьютерное зрение, Распознавание лиц, аналитика документов.
  • Речь: речь в тексте, тексте в речь, распознавание говорящего и т. д. Дополнительные сведения см. в службе "Речь".
  • Язык: перевод, анализ тональности, извлечение ключевых фраз, распознавание речи и т. д. Дополнительные сведения см. в разделе Azure OpenAI Services, Translator, Иммерсивное средство чтения, Службы Бота и языковые службы.
  • Решение: обнаружение нежелательного содержимого и принятие обоснованных решений по безопасности содержимого.
  • Поиск и знание. Предоставление возможностей облачного поиска и интеллектуального анализа знаний на основе искусственного интеллекта в приложениях. Дополнительные сведения см. в статье "Поиск ИИ Azure".

Используйте службы ИИ Azure для разработки приложений на разных устройствах и платформах. Эти API-интерфейсы постоянно совершенствуются и очень просто настраиваются.

Позиция Описание
Тип API-интерфейсы для создания интеллектуальных приложений
Поддерживаемые языки Различные варианты в зависимости от службы. Стандартными являются C#, Java, JavaScript и Python.
Этапы машинного обучения Развертывание
Основные преимущества Создание интеллектуальных приложений с использованием предварительно обученных моделей, доступные с помощью REST API и пакета SDK.
Разнообразные модели для естественных методов коммуникации со зрением, речью, языком и решением.
Никаких или минимальных знаний по машинному обучению или обработке и анализу данных не требуется.
Масштабируемость и гибкость.
Разнообразие моделей.

Машинное обучение SQL

Машинное обучение SQLпредоставляет возможности статистического анализа, визуализации данных и прогнозной аналитики на Python и R для реляционных данных как в локальной, так и в облачной среде. Ниже перечислены текущие платформы и средства.

Используйте машинное обучение SQL, если вам нужны встроенный ИИ и прогнозная аналитика для реляционных данных в SQL.

Позиция Описание
Тип Прогнозная аналитика для реляционных данных в локальной среде
Поддерживаемые языки Python, R, SQL
Этапы машинного обучения Подготовка данных
Обучение модели
Развертывание
Основные преимущества Возможность инкапсулирования прогнозной логики в функции базы данных, что позволяет легко включать ее в логику уровня данных.
Рекомендации Предполагается наличие базы данных SQL в качестве уровня данных в вашем приложении.

Azure AI Foundry

Azure AI Foundry — это единая платформа для разработки и развертывания создаваемых приложений ИИ и API Azure. Он предлагает комплексный набор возможностей искусственного интеллекта, упрощенного пользовательского интерфейса и программного интерфейса, что делает его единым магазином для создания, тестирования, развертывания и управления интеллектуальными решениями. Предназначен для эффективного создания и развертывания создаваемых приложений ИИ с помощью обширных предложений ИИ Azure, Azure AI Foundry подчеркивает ответственное развитие ИИ с внедренными принципами справедливости, прозрачности и подотчетности. Платформа включает средства для обнаружения предвзятости, интерпретируемости и сохранения конфиденциальности машинного обучения, обеспечения того, что модели искусственного интеллекта являются мощными, надежными и соответствуют нормативным требованиям. В рамках экосистемы Microsoft Azure, Azure AI Foundry предоставляет надежные инструменты и службы, обслуживающие различные потребности искусственного интеллекта и машинного обучения, от обработки естественного языка до компьютерного зрения. Его интеграция с другими службами Azure обеспечивает бесшовную масштабируемость и производительность, что делает его идеальным для предприятий. Портал Azure AI Foundry способствует совместной работе и инновациям, поддерживая среду совместной работы с такими функциями, как общие рабочие области, управление версиями и интегрированные среды разработки. Интеграция популярных платформ с открытым исходным кодом и инструментов, Azure AI Foundry ускоряет процесс разработки, предоставляя организациям возможность управлять инновациями и оставаться впереди в конкурентном ландшафте ИИ.

Позиция Описание
Тип Единая среда разработки для искусственного интеллекта
Поддерживаемые языки Только Python
Этапы машинного обучения Подготовка данных
Развертывание (модели как услуга)
Основные преимущества Упрощает совместную работу и управление проектами в различных службах ИИ Azure.
Предоставляет комплексные средства для создания, обучения и развертывания моделей ИИ.
Подчеркивает ответственный ИИ с инструментами для обнаружения предвзятости, интерпретации и сохранения конфиденциальности машинного обучения.
Поддерживает интеграцию с популярными платформами и инструментами с открытым исходным кодом.
Включает поток запросов Майкрософт для создания рабочих процессов на основе запросов и управления ими, упрощая цикл разработки приложений ИИ на основе больших языковых моделей (LLM).

Студия машинного обучения Azure

студия машинного обучения Azure — это средство для совместной работы с функцией перетаскивания, предназначенное для создания, тестирования и развертывания решений прогнозной аналитики на ваших данных. Он предназначен для специалистов по обработке и анализу данных, инженеров данных и бизнес-аналитиков. Студия машинного обучения Azure поддерживает широкий спектр алгоритмов и средств машинного обучения для подготовки данных, обучения моделей и оценки. Он также предоставляет визуальный интерфейс для подключения наборов данных и модулей на интерактивном холсте.

Позиция Описание
Тип Инструмент совместной работы, перетаскивания для машинного обучения
Поддерживаемые языки Python, R, Scala и Java (ограниченный интерфейс)
Этапы машинного обучения Подготовка данных
Обучение модели
Развертывание
Основные преимущества Код не требуется для создания моделей машинного обучения.
Поддерживает широкий спектр алгоритмов и средств машинного обучения для подготовки данных, обучения модели и оценки.
Предоставляет визуальный интерфейс для подключения наборов данных и модулей на интерактивном холсте.
Поддерживает интеграцию с Машинное обучение Azure для сложных задач машинного обучения.

Для детального сравнения Azure Machine Learning Studio и портала Azure AI Foundry см. портал Azure AI Foundry или студию машинного обучения Azure. Ниже приведены некоторые ключевые различия между двумя:

Категория Возможность Портал Azure AI Foundry Студия машинного обучения Azure
Хранение данных Решение хранилища No Да (облачная файловая система, OneLake, служба хранилища Azure)
Подготовка данных Интеграция данных Да (хранилище BLOB-объектов, OneLake, ADLS) Да (копирование и подключение с помощью учетных записей служба хранилища Azure)
Разработка Средства code-first Да (Visual Studio Code (VS Code)) Да (Записные книжки, Jupyter, VS Code, R Studio)
Языки Поддерживаемые языки Только Python Python, R, Scala, Java
Обучение AutoML No Да (регрессия, классификация, прогнозирование, CV, NLP)
Целевые объекты вычислений Обучение вычислений Бессерверный (MaaS, поток запроса) Кластеры Spark, кластеры машинного обучения, Azure Arc
Генерированный ИИ Каталог LLM Да (Azure OpenAI, Обнимающая лицо, мета) Да (Azure OpenAI, Обнимающая лицо, мета)
Развертывание Обслуживание в режиме реального времени и пакетной службы Режим реального времени (MaaS) Конечные точки пакетной службы, Azure Arc
Система управления Средства ответственного искусственного интеллекта No Да (панель мониторинга ответственного ИИ)

Microsoft Fabric

Microsoft Fabric — это сквозная единая платформа аналитики, которая объединяет все необходимые для организаций средства обработки данных и аналитики. Она интегрирует различные службы и средства для обеспечения простого опыта для специалистов по обработке и анализу данных, включая инженеров данных, специалистов по обработке и анализу данных и бизнес-аналитиков. Microsoft Fabric предлагает возможности интеграции данных, проектирования данных, хранения данных, обработки и анализа данных в режиме реального времени и бизнес-аналитики.

Используйте Microsoft Fabric, если вам нужна комплексная платформа для управления всем жизненным циклом данных, от приема до аналитических сведений.

Позиция Описание
Тип Унифицированная платформа аналитики
Поддерживаемые языки Python, R, SQL, Scala
Этапы машинного обучения Подготовка данных
Обучение модели
Развертывание
Анализ в реальном времени
Основные преимущества Единая платформа для всех потребностей в данных и аналитике.
Простая интеграция с другими службы Майкрософт.
Масштабируемость и гибкость.
Поддерживает широкий спектр средств аналитики и данных.
Упрощает совместную работу между разными ролями в организации.
Комплексное управление жизненным циклом данных от приема до аналитических сведений.
Возможности аналитики и бизнес-аналитики в режиме реального времени.
Поддерживает обучение и развертывание модели машинного обучения.
Интеграция с популярными платформами машинного обучения и инструментами.
Предоставляет средства для подготовки данных и проектирования компонентов.
Включает вывод и аналитику машинного обучения в режиме реального времени.

Виртуальная машина для обработки и анализа данных Azure

Виртуальная машина для обработки и анализа данных Azure — это настроенная среда виртуальной машины в облаке Microsoft Azure. Доступны версии для Windows и Linux Ubuntu. Среда создана специально для обработки и анализа данных и разработки решений машинного обучения. Она имеет множество популярных платформ обработки и анализа данных, платформ машинного обучения и других инструментов, предварительно установленных и предварительно настроенных для создания интеллектуальных приложений для расширенной аналитики.

Используйте виртуальную машину для обработки и анализа данных, когда нужно запускать или размещать задания на одном узле. Также с ее помощью можно удаленно увеличивать масштаб для обработки на одном компьютере.

Позиция Описание
Тип Настроенная среда виртуальной машины для обработки и анализа данных
Основные преимущества Сокращение времени на установку, управление и устранение неполадок в средствах и ​​платформах для обработки и анализа данных.

Включены последние версии всех широко используемых средств и ​​платформ.

Параметры виртуальной машины включают высокомасштабируемые изображения с возможностями графической обработки (GPU) для интенсивного моделирования данных.
Рекомендации К виртуальной машине невозможно получить доступ в автономном режиме.

За использование виртуальной машины взимается плата в Azure, поэтому следует следить за тем, чтобы она работала только при необходимости.

Azure Databricks

Azure Databricks — это платформа аналитики на основе Apache Spark, оптимизированная для облачной платформы Microsoft Azure. Databricks интегрируется с Azure, обеспечивая интерактивную рабочую область, простую настройку и упрощенные рабочие процессы. Эта рабочая область позволяет специалистам в области обработки и анализа данных, инжиниринга данных и бизнес-аналитики работать совместно. Используйте код Python, R, Scala и SQL в онлайновых записных книжках, чтобы запрашивать, визуализировать и моделировать данные.

Используйте Databricks для совместной работы над созданием решений для машинного обучения в Apache Spark.

Позиция Описание
Тип Платформа аналитики на основе Apache Spark
Поддерживаемые языки Python, R, Scala, SQL
Этапы машинного обучения Подготовка данных
Предварительная обработка данных
Обучение модели
Настройка модели
Вывод модели
Управление
Развертывание
Основные преимущества Настройка и упрощение рабочих процессов с одним щелчком мыши для простого использования.
Интерактивная рабочая область для совместной работы.
Простая интеграция с Azure.
Масштабируемость для обработки больших наборов данных и интенсивных вычислений.
Поддержка различных языков и интеграция с популярными инструментами.

ML.NET

ML.NET — это основанный на открытом исходном коде кроссплатформенный фреймворк машинного обучения. С помощью ML.NET можно создавать пользовательские решения машинного обучения и интегрировать их в приложения .NET. ML.NET предлагает различные уровни взаимодействия с популярными платформами, такими как TensorFlow и ONNX, для обучения и оценки моделей машинного обучения и глубокого обучения. Для выполнения ресурсоемких задач, таких как обучение моделей классификации изображений, можно воспользоваться преимуществами Azure для обучения моделей в облаке.

Используйте ML.NET, если вам нужно интегрировать решения для машинного обучения в приложения .NET. Выберите API для работы по модели code-first и Model Builder или CLI для написания небольшого объема кода.

Позиция Описание
Тип Кроссплатформенный фреймворк с открытым исходным кодом для разработки пользовательских приложений машинного обучения с помощью .NET
Поддерживаемые языки C#, F#
Этапы машинного обучения Подготовка данных
Обучение
Развертывание
Основные преимущества Интерфейс обработки и анализа данных и машинного обучения не требуется
Использование знакомых средств (Visual Studio, Microsoft Visual Studio Code) и языков
Развертывание в среде, где выполняется .NET
Расширяемый
Масштабируемость
Оценка в локальной среде
AutoML для автоматизированных задач машинного обучения

ИИ Windows

Windows AI Windows Ai — это мощная платформа, которая интегрирует возможности искусственного интеллекта в приложения Windows, используя сильные стороны Windows Машинное обучение (WinML) и Direct Машинное обучение (DirectML) для обеспечения локальной оценки модели ИИ в режиме реального времени и аппаратного ускорения. WinML позволяет разработчикам интегрировать обученные модели машинного обучения непосредственно в приложения Windows. Это упрощает локальную оценку моделей в режиме реального времени, обеспечивая мощные возможности искусственного интеллекта без необходимости подключения к облаку.

DirectML — это высокопроизводительная платформа с аппаратным ускорением для выполнения моделей машинного обучения. Он использует API DirectX для обеспечения оптимизированной производительности на различных аппаратных устройствах, включая графические процессоры и акселераторы ИИ.

Используйте Windows AI, если вы хотите использовать обученные модели машинного обучения в приложениях Windows.

Позиция Описание
Тип Подсистема вывода для обученных моделей на устройствах Windows
Этапы машинного обучения Подготовка данных
Обучение модели
Развертывание
Поддерживаемые языки C# или C++, JavaScript
Основные преимущества Локальная оценка модели искусственного интеллекта в режиме реального времени
Обеспечение высокопроизводительной обработки искусственного интеллекта в различных типах оборудования, включая процессоры, графические процессоры и акселераторы ИИ
Обеспечивает согласованное поведение и производительность в разных оборудованиях Windows.

SynapseML

SynapseML (ранее известный как MMLSpark) — это библиотека с открытым исходным кодом, которая упрощает создание конвейеров машинного обучения с массовым масштабированием. SynapseML предоставляет API для различных задач машинного обучения, таких как анализ текста, визуальное распознавание, обнаружение аномалий и многие другие. SynapseML основан на распределенной вычислительной платформе Apache Spark и использует тот же API, что и библиотека SparkML/MLLib, что позволяет легко внедрять модели SynapseML в существующие рабочие процессы Apache Spark.

SynapseML добавляет множество средств глубокого обучения и обработки и анализа данных в экосистему Spark, включая простую интеграцию конвейеров Spark Машинное обучение с light Gradient Boosting Machine (LightGBM), LIME (Интерпретация модели) и OpenCV. Эти средства можно использовать для создания эффективных прогнозных моделей в любом кластере Spark, например Azure Databricks или Cosmic Spark.

SynapseML также предоставляет сетевые возможности для экосистемы Spark. С помощью проекта HTTP в Spark пользователи могут внедрять любые веб-службы в свои модели SparkML. Кроме того, SynapseML предоставляет удобные средства для оркестрации служб ИИ Azure в большом масштабе. Для развертывания производственного уровня проект Spark Serving обеспечивает высокую пропускную способность и предоставляет веб-службы с задержкой длительностью меньше миллисекунды, поддерживаемые кластером Spark.

Позиция Описание
Тип Основанная на исходном коде распределенная платформа машинного обучения и микрослужб для Apache Spark
Поддерживаемые языки Scala, Java, Python, R и .NET
Этапы машинного обучения Подготовка данных
Обучение модели
Развертывание
Основные преимущества Масштабируемость
Совместимость с потоковой передачей и обслуживанием
Отказоустойчивость
Рекомендации Требуется Apache Spark

Соавторы

Эта статья поддерживается корпорацией Майкрософт. Первоначально он был написан следующими участниками.

Основные авторы:

Следующие шаги