Jämföra Microsofts maskininlärningsprodukter och -tekniker
Lär dig mer om maskininlärningsprodukter och -tekniker från Microsoft. Jämför alternativ som hjälper dig att välja hur du på bästa sätt skapar, distribuerar och hanterar dina maskininlärningslösningar.
Molnbaserade maskininlärningsprodukter
Följande alternativ är tillgängliga för maskininlärning i Azure-molnet.
| Molnalternativ | Vad det är | Det här kan du göra |
|---|---|---|
| Azure Machine Learning | Hanterad plattform för maskininlärning | Använd en förtränad modell eller träna, distribuera och hantera modeller i Azure med hjälp av Python och CLI. Innehåller funktioner som automatisk maskininlärning (AutoML), promptflöde, modellkatalog och MLflow-integrering. Spåra och förstå modellprestanda under produktion |
| Microsoft Fabric | Enhetlig analysplattform | Hantera hela datalivscykeln, från inmatning till insikter, med en omfattande plattform som integrerar olika tjänster och verktyg för dataproffs, inklusive datatekniker, dataforskare och affärsanalytiker |
| Azure AI Services | Fördefinierade AI-funktioner som implementeras via REST-API:er och SDK:er | Skapa intelligenta program med hjälp av standardprogrammeringsspråk som anropar API:er som tillhandahåller slutsatsdragning. Även om maskininlärning och expertis inom datavetenskap fortfarande är idealiskt att ha, kan den här plattformen också antas av ingenjörsteam utan sådana färdigheter |
| Azure SQL Managed Instance Machine Learning Services | Maskininlärning i databasen för SQL | Träna och distribuera modeller i Azure SQL Managed Instance |
| Maskininlärning i Azure Synapse Analytics | Analystjänst med maskininlärning | Träna och distribuera modeller i Azure Synapse Analytics |
| Azure Databricks | Apache Spark-baserad analysplattform | Skapa och distribuera modeller och dataarbetsflöden med hjälp av integreringar med maskininlärningsbibliotek med öppen källkod och MLflow-plattformen . |
Lokal maskininlärningsprodukt
Följande alternativ är tillgängligt för maskininlärning lokalt. Lokala servrar kan också köras på en virtuell dator i molnet.
| Lokal | Vad det är | Det här kan du göra |
|---|---|---|
| SQL Server Machine Learning Services | Maskininlärning i databasen för SQL | Träna och distribuera modeller i SQL Server med hjälp av Python- och R-skript |
Utvecklingsplattformar och verktyg
Följande utvecklingsplattformar och verktyg är tillgängliga för maskininlärning.
| Plattformar/verktyg | Vad det är | Det här kan du göra |
|---|---|---|
| Azure AI Foundry-portalen | Enhetlig utvecklingsmiljö för AI- och ML-scenarier | Utveckla, utvärdera och distribuera AI-modeller och program. Underlättar samarbete och projekthantering i olika Azure AI-tjänster och kan även användas som en gemensam miljö i flera arbetsbelastningsteam. |
| Azure Machine Learning Studio | Samarbetsverktyg för dra och släpp för maskininlärning | Skapa, testa och distribuera lösningar för förutsägelseanalys med minimal kodning. Stöder en mängd olika maskininlärningsalgoritmer och AI-modeller. Den har verktyg för dataförberedelse, modellträning och utvärdering. |
| Azure Data Science Virtual Machine | Avbildning av virtuell dator med förinstallerade datavetenskapsverktyg | Utveckla maskininlärningslösningar på dina egna virtuella datorer med den här förkonfigurerade miljön med verktyg som Jupyter, R och Python. |
| ML.NET | SDK för maskininlärning med öppen källkod och plattformsoberoende | Utveckla maskininlärningslösningar för .NET-program. |
| Windows AI | Slutsatsdragningsmotor för tränade modeller på Windows-enheter | En plattform som integrerar funktioner för artificiell intelligens i Windows-program med hjälp av komponenter som Windows Machine Learning (WinML) och Direct Machine Learning (DirectML) för lokal ai-modellutvärdering och maskinvaruacceleration i realtid. |
| SynapseML | Ramverk för öppen källkod, distribuerad maskininlärning och mikrotjänster för Apache Spark | Skapa och distribuera skalbara maskininlärningsprogram för Scala och Python. |
| Machine Learning-tillägg för Azure Data Studio | Maskininlärningstillägg med öppen källkod och plattformsoberoende för Azure Data Studio | Hantera paket, importera maskininlärningsmodeller, göra förutsägelser och skapa notebook-filer för att köra experiment för dina SQL-databaser |
Azure Machine Learning
Azure Machine Learning är en fullständigt hanterad molntjänst som används för att träna, distribuera och hantera maskininlärningsmodeller i stor skala. Den stöder tekniker för öppen källkod, vilket innebär att du kan använda tiotusentals Python-paket med öppen källkod som exempelvis TensorFlow, PyTorch och scikit-learn. Omfattande verktyg är också tillgängliga, till exempel Beräkningsinstanser, Jupyter Notebooks eller Tillägget Azure Machine Learning for Visual Studio Code (VS Code), ett kostnadsfritt tillägg som gör att du kan hantera dina resurser, modellera träningsarbetsflöden och distributioner i Visual Studio Code. Azure Machine Learning innehåller funktioner som automatiserar modellgenerering och justering med enkelhet, effektivitet och noggrannhet.
Använd Python SDK, Jupyter Notebooks, R och CLI för maskininlärning i molnskala. För ett alternativ med låg kod eller ingen kod använder du Azure Machine Learnings interaktiva designer i studion för att enkelt och snabbt skapa, testa och distribuera modeller med hjälp av fördefinierade maskininlärningsalgoritmer. Dessutom tillhandahåller Azure Machine Learning integrering med Azure DevOps och GitHub Actions för kontinuerlig integrering och kontinuerlig distribution (CI/CD) av maskininlärningsmodeller.
| Objekt | beskrivning |
|---|---|
| Typ | Molnbaserad maskininlärningslösning |
| Språk som stöds | Python, R |
| Maskininlärningsfaser | Förberedelse av data Modellträning Distribution MLOps/Management Ansvarsfull AI |
| Viktiga fördelar | Kod först (SDK) och studio- och dra-och-släpp-designerwebbgränssnittsredigeringsalternativ. Central hantering av skript och körningshistorik, vilket gör det enkelt att jämföra modellversioner. Enkel distribution och hantering av modeller till molnet eller gränsenheter. Erbjuder skalbar utbildning, distribution och hantering av maskininlärningsmodeller. |
| Överväganden | Kräver viss kunskap om modellhanteringsmodellen. |
Azure AI-tjänster
Azure AI-tjänster är en omfattande uppsättning fördefinierade API:er som gör det möjligt för utvecklare och organisationer att snabbt skapa intelligenta, marknadsklara program. Dessa tjänster erbjuder färdiga och anpassningsbara API:er och SDK:er som gör att dina appar kan se, höra, tala, förstå och tolka användarbehov med minimal kod, vilket gör det onödigt att använda datauppsättningar eller expertis inom datavetenskap för att träna modeller. Du kan lägga till intelligenta funktioner i dina appar, till exempel:
- Vision: Objektidentifiering, ansiktsigenkänning, optisk teckenigenkänning (OCR) och så vidare. Mer information finns i Visuellt innehåll, Face, Document Intelligence.
- Tal: Tal till text, text till tal, talarigenkänning och så vidare. Mer information finns i Speech Service.
- Språk: Översättning, Attitydanalys, extrahering av nyckelfraser, språktolkning och så vidare. Mer information finns i Azure OpenAI Services, Translator, Avancerad läsare, Bot Service och Language Services.
- Beslut: Identifiera oönskat innehåll och fatta välgrundade beslut Innehållssäkerhet.
- Sök och kunskap: Ta med AI-baserade funktioner för molnsökning och kunskapsutvinning till dina appar. Mer information finns i Azure AI Search.
Använd Azure AI-tjänster för att utveckla appar mellan enheter och plattformar. API:erna förbättras ständigt och är enkla att konfigurera.
| Objekt | beskrivning |
|---|---|
| Typ | API:er för att skapa intelligenta program |
| Språk som stöds | Olika alternativ beroende på tjänsten. Standard är C#, Java, JavaScript och Python. |
| Maskininlärningsfaser | Distribution |
| Viktiga fördelar | Skapa intelligenta program med förtränade modeller som är tillgängliga via REST API och SDK. Olika modeller för naturliga kommunikationsmetoder med syn, tal, språk och beslut. Ingen eller minimal maskininlärning eller datavetenskapsexpertis krävs. Skalbarhet och flexibilitet. Olika modeller. |
SQL-maskininlärning
SQL-maskininlärning lägger till statistisk analys, datavisualisering och förutsägelseanalys i Python och R för relationsdata, både lokalt och i molnet. Aktuella plattformar och verktyg är:
- SQL Server Machine Learning Services
- Azure SQL Managed Instance Machine Learning Services
- Maskininlärning i Azure Synapse Analytics
- Machine Learning-tillägg för Azure Data Studio
Använd SQL-maskininlärning när du behöver inbyggd AI och förutsägelseanalys på relationsdata i SQL.
| Objekt | beskrivning |
|---|---|
| Typ | Lokal förutsägelseanalys för relationsdata |
| Språk som stöds | Python, R, SQL |
| Maskininlärningsfaser | Dataförberedelse Modellträning Distribution |
| Viktiga fördelar | Kapsla in förutsägelselogik i en databasfunktion, vilket gör det enkelt att inkludera i datanivålogik. |
| Överväganden | Förutsätter en SQL-databas som datanivå för ditt program. |
Azure AI Foundry
Azure AI Foundry är en enhetlig plattform för att utveckla och distribuera generativa AI-program och Azure AI-API:er på ett ansvarsfullt sätt. Den erbjuder en omfattande uppsättning AI-funktioner, ett förenklat användargränssnitt och kodinriktade funktioner, vilket gör det till en enda butik för att skapa, testa, distribuera och hantera intelligenta lösningar. Azure AI Foundry är utformat för att hjälpa utvecklare och dataforskare att effektivt skapa och distribuera generativa AI-program med hjälp av Azures omfattande AI-erbjudanden. Azure AI Foundry betonar ansvarsfull AI-utveckling med inbäddade principer för rättvisa, transparens och ansvarsskyldighet. Plattformen innehåller verktyg för biasidentifiering, tolkning och sekretessbevarande maskininlärning, vilket säkerställer att AI-modeller är kraftfulla, tillförlitliga och kompatibla med regelkrav. Som en del av Microsofts Azure-ekosystem tillhandahåller Azure AI Foundry robusta verktyg och tjänster som tillgodoser olika AI- och maskininlärningsbehov, från bearbetning av naturligt språk till visuellt innehåll. Integreringen med andra Azure-tjänster säkerställer sömlös skalbarhet och prestanda, vilket gör den idealisk för företag. Azure AI Foundry-portalen främjar samarbete och innovation och stöder en samarbetsmiljö med funktioner som delade arbetsytor, versionskontroll och integrerade utvecklingsmiljöer. Genom att integrera populära ramverk och verktyg med öppen källkod påskyndar Azure AI Foundry utvecklingsprocessen, vilket ger organisationer möjlighet att driva innovation och ligga steget före i det konkurrenskraftiga AI-landskapet.
| Objekt | beskrivning |
|---|---|
| Typ | Enhetlig utvecklingsmiljö för AI |
| Språk som stöds | Endast Python |
| Maskininlärningsfaser | Dataförberedelse Distribution (modeller som en tjänst) |
| Viktiga fördelar | Underlättar samarbete och projekthantering i olika Azure AI-tjänster. Innehåller omfattande verktyg för att skapa, träna och distribuera AI-modeller. Betonar ansvarsfull AI med verktyg för biasidentifiering, tolkning och sekretessbevarande maskininlärning. Stöder integrering med populära ramverk och verktyg med öppen källkod. Innehåller Microsoft Prompt-flöde för att skapa och hantera promptbaserade arbetsflöden, vilket förenklar utvecklingscykeln för AI-program som drivs av stora språkmodeller (LLM). |
Azure Machine Learning Studio
Azure Machine Learning Studio är ett samarbetsverktyg för att skapa, testa och distribuera lösningar för förutsägelseanalys på dina data. Den är utformad för dataforskare, datatekniker och affärsanalytiker. Azure Machine Learning-studio stöder en mängd olika maskininlärningsalgoritmer och verktyg för förberedelse av data, modellträning och utvärdering. Det ger också ett visuellt gränssnitt för att ansluta datauppsättningar och moduler på en interaktiv arbetsyta.
| Objekt | beskrivning |
|---|---|
| Typ | Samarbetsverktyg för dra och släpp för maskininlärning |
| Språk som stöds | Python, R, Scala och Java (begränsad erfarenhet) |
| Maskininlärningsfaser | Dataförberedelse Modellträning Distribution |
| Viktiga fördelar | Ingen kodning krävs för att skapa maskininlärningsmodeller. Stöder en mängd olika maskininlärningsalgoritmer och verktyg för förberedelse av data, modellträning och utvärdering. Tillhandahåller ett visuellt gränssnitt för att ansluta datauppsättningar och moduler på en interaktiv arbetsyta. Stöder integrering med Azure Machine Learning för avancerade maskininlärningsuppgifter. |
En komprimeringsjämförelse av Azure Machine Learning Studio och Azure AI Foundry-portalen finns i Azure AI Foundry-portalen eller Azure Machine Learning Studio. Här är några viktiga skillnader mellan de två:
| Kategori | Funktion | Azure AI Foundry-portalen | Azure Machine Learning Studio |
|---|---|---|---|
| Datalagring | Lagringslösning | Nej | Ja (molnfilsystem, OneLake, Azure Storage) |
| Förberedelse av data | Dataintegrering | Ja (bloblagring, OneLake, ADLS) | Ja (kopiera och montera med Azure Storage-konton) |
| Utveckling | Kodverktyg | Ja (Visual Studio Code (VS Code)) | Ja (Notebooks, Jupyter, VS Code, R Studio) |
| Språk | Språk som stöds | Endast Python | Python, R, Scala, Java |
| Utbildning | AutoML | Nej | Ja (regression, klassificering, prognostisering, CV, NLP) |
| Beräkningsmål | Träningsberäkning | Serverlös (MaaS, promptflöde) | Spark-kluster, ML-kluster, Azure Arc |
| Generativ AI | LLM-katalog | Ja (Azure OpenAI, Hugging Face, Meta) | Ja (Azure OpenAI, Hugging Face, Meta) |
| Distribution | Realtids- och batchservering | Realtid (MaaS) | Batch-slutpunkter, Azure Arc |
| Styrning | Ansvarsfulla AI-verktyg | Nej | Ja (instrumentpanel för ansvarsfull AI) |
Microsoft Fabric
Microsoft Fabric är en enhetlig analysplattform från slutpunkt till slutpunkt som samlar alla data- och analysverktyg som organisationer behöver. Den integrerar olika tjänster och verktyg för att ge en sömlös upplevelse för dataexperter, inklusive datatekniker, dataforskare och affärsanalytiker. Microsoft Fabric erbjuder funktioner för dataintegrering, datateknik, datalagerhantering, datavetenskap, realtidsanalys och business intelligence.
Använd Microsoft Fabric när du behöver en omfattande plattform för att hantera hela datalivscykeln, från inmatning till insikter.
| Objekt | beskrivning |
|---|---|
| Typ | Enhetlig analysplattform |
| Språk som stöds | Python, R, SQL, Scala |
| Maskininlärningsfaser | Dataförberedelse Modellträning Distribution Realtidsanalys |
| Viktiga fördelar | Enhetlig plattform för alla data- och analysbehov. Sömlös integrering med andra Microsoft-tjänster. Skalbar och flexibel. Stöder en mängd olika data- och analysverktyg. Underlättar samarbete mellan olika roller i en organisation. Datalivscykelhantering från slutpunkt till slutpunkt från inmatning till insikter. Funktioner för realtidsanalys och business intelligence. Stöder maskininlärningsmodellträning och distribution. Integrering med populära ramverk och verktyg för maskininlärning. Tillhandahåller verktyg för förberedelse av data och funktionsutveckling. Möjliggör maskininlärning i realtid och analys. |
Azure Data Science Virtual Machine
Azure Datavetenskap Virtual Machine är en anpassad miljö för virtuella datorer i Microsoft Azure-molnet. Den finns i versioner för både Windows och Linux Ubuntu. Miljön är speciellt utformad för att utföra datavetenskap och utveckla maskininlärningslösningar. Den har många populära datavetenskaps-, maskininlärningsramverk och andra verktyg förinstallerade och förkonfigurerade för att komma igång med att skapa intelligenta program för avancerad analys.
Använd den virtuella datorn för datavetenskap när du behöver köra eller vara värd för jobb på en enda nod. Eller om du behöver skala upp din bearbetning via fjärranslutning på en enskild dator.
| Objekt | beskrivning |
|---|---|
| Typ | Anpassad miljö för virtuella datorer för datavetenskap |
| Viktiga fördelar | Kortare tid för att installera, hantera och felsöka datavetenskapsverktyg och ramverk. De senaste versionerna av alla verktyg och ramverk som används ofta ingår. Alternativen för virtuella datorer omfattar mycket skalbara bilder med GPU-funktioner (grafikprocessorer) för intensiv datamodellering. |
| Överväganden | Det går inte att komma åt den virtuella datorn när den är offline. Att köra en virtuell dator medför Azure-avgifter, så du måste vara försiktig så att den bara körs när det behövs. |
Azure Databricks
Azure Databricks är en Apache Spark-baserad analysplattform som är optimerad för Microsoft Azure-molnplattformen. Databricks är integrerat med Azure för att ge konfiguration med ett klick, effektiva arbetsflöden och en interaktiv arbetsyta som möjliggör samarbete mellan dataforskare, dataingenjörer och affärsanalytiker. Använd Python-, R-, Scala- och SQL-kod i webbaserade anteckningsböcker för att fråga, visualisera och modellera data.
Använd Databricks när du vill samarbeta om att skapa maskininlärningslösningar i Apache Spark.
| Objekt | beskrivning |
|---|---|
| Typ | Apache Spark-baserad analysplattform |
| Språk som stöds | Python, R, Scala, SQL |
| Maskininlärningsfaser | Dataförberedelse Förbearbetning av data Modellträning Modelljustering Modellslutsatsdragning Hantering Distribution |
| Viktiga fördelar | Enkel installation och effektiva arbetsflöden med ett klick. Interaktiv arbetsyta för samarbete. Sömlös integrering med Azure. Skalbarhet för att hantera stora datamängder och intensiva beräkningar. Stöd för olika språk och integrering med populära verktyg. |
ML.NET
ML.NET är ett ramverk för maskininlärning med öppen källkod och plattformsoberoende. Med ML.NET kan du skapa anpassade maskininlärningslösningar och integrera dem i dina .NET-program. ML.NET erbjuder olika nivåer av samverkan med populära ramverk som TensorFlow och ONNX för träning och bedömning av maskininlärning och djupinlärningsmodeller. För resursintensiva uppgifter som att träna bildklassificeringsmodeller kan du använda Azure för att träna dina modeller i molnet.
Använd ML.NET när du vill integrera maskininlärningslösningar i dina .NET-program. Välj mellan API:et för en kod-första upplevelse och Model Builder eller CLI för en lågkodsupplevelse.
| Objekt | beskrivning |
|---|---|
| Typ | Plattformsoberoende ramverk med öppen källkod för utveckling av anpassade maskininlärningsprogram med .NET |
| Språk som stöds | C#, F# |
| Maskininlärningsfaser | Dataförberedelse Utbildning Distribution |
| Viktiga fördelar | Datavetenskap och maskininlärning krävs inte Använda välbekanta verktyg (Visual Studio, Microsoft Visual Studio Code) och språk Distribuera där .NET körs Utökningsbar Skalbarhet Lokal upplevelse AutoML för automatiserade maskininlärningsuppgifter |
Windows AI
Windows AI Windows AI är en kraftfull plattform som integrerar funktioner för artificiell intelligens i Windows-program med hjälp av fördelarna med Windows Machine Learning (WinML) och Direct Machine Learning (DirectML) för att tillhandahålla lokal AI-modellutvärdering och maskinvaruacceleration i realtid. Med WinML kan utvecklare integrera tränade maskininlärningsmodeller direkt i sina Windows-program. Det underlättar lokal utvärdering i realtid av modeller, vilket möjliggör kraftfulla AI-funktioner utan behov av molnanslutning.
DirectML är en högpresterande, maskinvaruaccelererad plattform för att köra maskininlärningsmodeller. Den använder DirectX-API:et för att ge optimerad prestanda för olika maskinvara, inklusive GPU:er och AI-acceleratorer.
Använd Windows AI när du vill använda tränade maskininlärningsmodeller i dina Windows-program.
| Objekt | beskrivning |
|---|---|
| Typ | Slutsatsdragningsmotor för tränade modeller på Windows-enheter |
| Maskininlärningsfaser | Dataförberedelse Modellträning Distribution |
| Språk som stöds | C#/C++, JavaScript |
| Viktiga fördelar | Lokal ai-modellutvärdering i realtid Uppnå högpresterande AI-bearbetning över olika maskinvarutyper, inklusive processorer, GPU:er och AI-acceleratorer Säkerställer konsekvent beteende och prestanda för olika Windows-maskinvara. |
SynapseML
SynapseML (tidigare MMLSpark) är ett bibliotek med öppen källkod som förenklar skapandet av massivt skalbara maskininlärningspipelines. SynapseML tillhandahåller API:er för en mängd olika maskininlärningsuppgifter, till exempel textanalys, syn, avvikelseidentifiering och många andra. SynapseML bygger på Apache Spark-ramverket för distribuerad databehandling och delar samma API som SparkML/MLLib-biblioteket, så att du smidigt kan bädda in SynapseML-modeller i befintliga Apache Spark-arbetsflöden.
SynapseML lägger till många verktyg för djupinlärning och datavetenskap i Spark-ekosystemet, inklusive sömlös integrering av Spark Machine Learning-pipelines med Light Gradient Boosting Machine (LightGBM), LIME (Modelltolkning) och OpenCV. Du kan använda dessa verktyg för att skapa kraftfulla förutsägelsemodeller i alla Spark-kluster, till exempel Azure Databricks eller Cosmic Spark.
SynapseML ger även nätverksfunktioner till Spark-ekosystemet. Med PROJEKTET HTTP på Spark kan användarna bädda in valfri webbtjänst i sina SparkML-modeller. SynapseML tillhandahåller dessutom lätthanterbara verktyg för att samordna Azure AI-tjänster i stor skala. För distribution i produktionsklass möjliggör Spark Serving-projektet webbtjänster med högt dataflöde, undermillisekunders svarstid som backas upp av ditt Spark-kluster.
| Objekt | beskrivning |
|---|---|
| Typ | Ramverk för distribuerad maskininlärning och mikrotjänster med öppen källkod för Apache Spark |
| Språk som stöds | Scala, Java, Python, R och .NET |
| Maskininlärningsfaser | Dataförberedelse Modellträning Distribution |
| Viktiga fördelar | Skalbarhet Strömnings- och serveringskompatibel Feltolerans |
| Överväganden | Kräver Apache Spark |
Deltagare
Den här artikeln underhålls av Microsoft. Det har ursprungligen skrivits av följande medarbetare.
Huvudsakliga författare:
- Mahdi Setayesh | Huvudprogramtekniker
Nästa steg
- Lär dig mer om alla ai-utvecklingsprodukter (Artificiell intelligens) som är tillgängliga från Microsoft: Microsoft AI-plattformen.
- Få utbildning i att utveckla AI- och Machine Learning-lösningar med Microsoft: Microsoft Learn-utbildning.
- Utforska mer om Microsoft Fabric: Microsoft Fabric.
- Upptäck Azure AI-tjänster: Azure AI-tjänster.
- Utforska Azure Machine Learning: Azure Machine Learning.
- Läs mer om Azure Databricks: Azure Databricks.
- Upptäck Azure Synapse Analytics: Azure Synapse Analytics.
- Utforska Azure SQL Managed Instance Machine Learning Services: Azure SQL Managed Instance Machine Learning Services.