Share via

مقارنة منتجات وتقنيات التعلم الآلي من Microsoft

  • مقالة

تعرف على منتجات وتقنيات التعلم الآلي من Microsoft. قارن الخيارات لمساعدتك في اختيار كيفية إنشاء حلول التعلم الآلي ونشرها وإدارتها بشكل أكثر فعالية.

منتجات التعلم الآلي المستندة إلى السحابة

تتوفر الخيارات التالية للتعلم الآلي في سحابة Azure.

خيارات السحابة ما هو ما يمكنك القيام به معه
التعلم الآلي من Microsoft Azure النظام الأساسي المدار للتعلم الآلي استخدام نموذج مدرب مسبقًا. أو تدريب النماذج ونشرها وإدارتها على Azure باستخدام Python وCLI
خدمات Azure المعرفية قدرات الذكاء الاصطناعي مسبقة البناء يتم تنفيذها من خلال واجهات برمجة تطبيقات REST وSDKs إنشاء تطبيقات ذكية بسرعة باستخدام لغات البرمجة القياسية. لا يتطلب التعلم الآلي والخبرة في علوم البيانات
خدمات التعلم الآلي في مثيل Azure SQL المدار التعلم الآلي في قاعدة البيانات SQL تدريب ونشر النماذج داخل Azure SQL Managed Instance
التعلم الآلي في تحليلات Azure Synapse خدمة التحليلات مع التعلم الآلي تدريب ونشر النماذج داخل Azure Synapse Analytics
التعلم الآلي والذكاء الاصطناعي لتطبيق ONNX في Azure SQL Edge التعلم الآلي في SQL على IoT تدريب ونشر النماذج داخل Azure SQL Edge
Azure Databricks منصة التحليلات القائمة على Apache Spark إنشاء ونشر النماذج وسير عمل البيانات باستخدام عمليات التكامل مع مكتبات التعلم الآلي مفتوحة المصدر والنظام الأساسي MLflow .

منتجات التعلم الآلي المحلية

تتوفر الخيارات التالية للتعلم الآلي محليًا. يمكن أيضًا تشغيل الخوادم المحلية في جهاز ظاهري في السحابة.

خيارات محلية ما هو ما يمكنك القيام به معه
SQL Server التعلم الآلي Services التعلم الآلي في قاعدة البيانات SQL تدريب ونشر النماذج داخل SQL Server
التعلم الآلي Services على SQL Server مجموعات البيانات الكبيرة التعلم الآلي في مجموعات البيانات الكبيرة تدريب النماذج ونشرها على SQL Server مجموعات البيانات الكبيرة

منصات وأدوات التطوير

تتوفر منصات وأدوات التطوير التالية للتعلم الآلي.

الأنظمة الأساسية/الأدوات ما هو ما يمكنك القيام به معه
Data Science Virtual Machine لـ Ubuntu الجهاز الظاهري مع أدوات علوم البيانات المثبتة مسبقًا تطوير حلول التعلم الآلي في بيئة مكونة مسبقًا
ML.NET SDK للتعلم الآلي مفتوح المصدر عبر الأنظمة الأساسية تطوير حلول التعلم الآلي لتطبيقات .NET
التعلم الآلي من Windows Windows 10 النظام الأساسي للتعلم الآلي تقييم النماذج المدربة على جهاز Windows 10
SynapseML إطار عمل مفتوح المصدر والموزع والتعلم الآلي والخدمات المصغرة لـApache Spark إنشاء ونشر تطبيقات التعلم الآلي القابلة للتطوير لـScala وPython.
ملحق التعلم الآلي لـAzure Data Studio ملحق التعلم الآلي مفتوح المصدر وعبر الأنظمة الأساسية لـAzure Data Studio إدارة الحزم واستيراد نماذج التعلم الآلي وإجراء التنبؤات وإنشاء دفاتر ملاحظات لتشغيل التجارب لقواعد بيانات SQL

التعلم الآلي من Azure

التعلم الآلي من Microsoft Azure هي خدمة سحابية مدارة بالكامل تستخدم لتدريب نماذج التعلم الآلي وتوزيعها وإدارتها على نطاق واسع. وهو يدعم بشكل كامل التقنيات مفتوحة المصدر، حتى تتمكن من استخدام عشرات الآلاف من حزم Python مفتوحة المصدر مثل TensorFlow وPyTorch وscikit-learn. تتوفر أيضًا أدوات غنية، مثل مثيلات الحوسبة أو دفاتر ملاحظات Jupyter أو التعلم الآلي Azure لملحق Visual Studio Code، وهو ملحق مجاني يسمح لك بإدارة مواردك، وسير عمل تدريب النموذج، والنشر في Visual Studio Code. يتضمن Azure التعلم الآلي ميزات تعمل على أتمتة إنشاء النموذج وضبطه بسهولة وكفاءة ودقة.

استخدم Python SDK ودفاتر ملاحظات Jupyter وR وCLI للتعلم الآلي على نطاق السحابة. للحصول على خيار تعليمة برمجية منخفضة أو بدون تعليمة برمجية، استخدم مصمم التعلم الآلي من Microsoft Azure التفاعلي في الاستوديو لإنشاء نماذج واختبارها ونشرها بسهولة وسرعة باستخدام خوارزميات التعلم الآلي التي تم إنشاؤها مسبقًا.

جرب Azure التعلم الآلي مجانًا.

عنصر ‏‏الوصف
النوع حل التعلم الآلي المستند إلى السحابة
اللغات المدعومة Python, R
مراحل التعلم الآلي تدريب النموذج
التوزيع
MLOps/Management
الفوائد الرئيسية خيارات تأليف واجهة ويب التعليمات البرمجية أولا (SDK) والاستوديو والسحب والإفلات لواجهة ويب للمصمم.

الإدارة المركزية للنصوص ومحفوظات التشغيل، ما يجعل من السهل مقارنة إصدارات النموذج.

سهولة نشر وإدارة النماذج على أجهزة السحابة أو الحافة.
الاعتبارات يتطلب بعض الإلمام بنموذج إدارة النموذج.

خدمات الذكاء الاصطناعي في Azure

خدمات Azure الذكاء الاصطناعي هي مجموعة من واجهات برمجة التطبيقات التي تم إنشاؤها مسبقا والتي تمكنك من إنشاء تطبيقات تستخدم أساليب الاتصال الطبيعية. يشير المصطلح الذي تم إنشاؤه مسبقًا إلى أنك لا تحتاج إلى جلب مجموعات البيانات أو الخبرة في علوم البيانات لتدريب النماذج لاستخدامها في تطبيقاتك. يتم كل ذلك من أجلك ويتم حزمه كواجهات برمجة التطبيقات وحزم SDK التي تسمح لتطبيقاتك برؤية احتياجات المستخدم وسماعها والتحدث بها وفهمها وتفسيرها باستخدام بضعة أسطر فقط من التعليمات البرمجية. يمكنك بسهولة إضافة ميزات ذكية إلى تطبيقاتك، مثل:

  • الرؤية: الكشف عن الكائنات، والتعرف على الوجه، والتعرف البصري على الحروف (OCR)، وما إلى ذلك. لمزيد من المعلومات، راجع رؤية الكمبيوتر والوجه وAzure الذكاء الاصطناعي Document Intelligence.
  • الكلام: تحويل الكلام إلى نص، والنص إلى كلام، والتعرف على المتحدث، وما إلى ذلك. لمزيد من المعلومات، راجع خدمة الكلام.
  • اللغة: الترجمة، وتحليل التوجه، واستخراج العبارة الرئيسية، وفهم اللغة، وما إلى ذلك. راجع المترجم، تحليلات النص، فهم اللغة، QnA Maker
  • القرار: الكشف عن الحالات الخارجة عن المألوف، الإشراف على المحتوى، تعزيز التعلم. لمزيد من المعلومات، راجع Anomaly Detector، Content Moderator، Personalizer.

استخدم خدمات Azure الذكاء الاصطناعي لتطوير التطبيقات عبر الأجهزة والأنظمة الأساسية. تستمر واجهات برمجة التطبيقات في التحسن، ومن السهل إعدادها.

عنصر ‏‏الوصف
النوع واجهات برمجة التطبيقات لبناء تطبيقات ذكية
اللغات المدعومة خيارات مختلفة اعتمادًا على الخدمة. المقاييس هي C#، وJava، وJavaScript، وPython.
مراحل التعلم الآلي التوزيع
الفوائد الرئيسية إنشاء تطبيقات ذكية باستخدام نماذج مدربة مسبقًا متوفرة من خلال واجهة برمجة تطبيقات REST وSDK.
مجموعة متنوعة من النماذج لأساليب الاتصال الطبيعية مع الرؤية والكلام واللغة والقرار.
لا يلزم وجود خبرة في التعلم الآلي أو علوم البيانات.

التعلّم الآلي SQL

يضيف SQL التعلم الآلي التحليل الإحصائي وتصور البيانات والتحليلات التنبؤية في Python وR للبيانات الارتباطية، سواء في الموقع أو في السحابة. تتضمن الأنظمة الأساسية والأدوات الحالية ما يلي:

استخدم التعلم الآلي SQL عندما تحتاج إلى تحليلات الذكاء الاصطناعي وتوقعية مضمنة على البيانات الارتباطية في SQL.

عنصر ‏‏الوصف
النوع تحليلات تنبؤية محلية للبيانات الارتباطية
اللغات المدعومة Python, R, SQL
مراحل التعلم الآلي تحضير البيانات
تدريب النموذج
التوزيع
الفوائد الرئيسية تغليف منطق تنبؤي في دالة قاعدة بيانات، ما يجعل من السهل تضمينه في منطق طبقة البيانات.
الاعتبارات يفترض قاعدة بيانات SQL كطبقة بيانات للتطبيق الخاص بك.

Data Science Virtual Machine لـ Ubuntu

الجهاز الظاهري لعلوم البيانات Azure هو بيئة جهاز ظاهري مخصصة على سحابة Microsoft Azure. وهو متاح في إصدارات لكل من Windows وLinux Ubuntu. تم بناء البيئة خصيصا للقيام بعلوم البيانات وتطوير حلول التعلم الآلي. يحتوي على العديد من علوم البيانات الشائعة وأطر عمل التعلم الآلي والأدوات الأخرى المثبتة مسبقا والمكونة مسبقا لبدء إنشاء تطبيقات ذكية لتحليلات متقدمة.

استخدم Data Science VM عندما تحتاج إلى تشغيل أو استضافة وظائفك على عقدة واحدة. أو إذا كنت بحاجة إلى توسيع نطاق المعالجة عن بعد على جهاز واحد.

عنصر ‏‏الوصف
النوع بيئة الجهاز الظاهري المخصصة لعلوم البيانات
الفوائد الرئيسية تقليل الوقت لتثبيت وإدارة واستكشاف أخطاء أدوات وأطر عمل علوم البيانات وإصلاحها.

يتم تضمين أحدث إصدارات جميع الأدوات والأطر شائعة الاستخدام.

تتضمن خيارات الجهاز الظاهري صورا قابلة للتطوير بدرجة كبيرة مع قدرات وحدة معالجة الرسومات (GPU) لنمذجة البيانات المكثفة.
الاعتبارات لا يمكن الوصول إلى الجهاز الظاهري عند عدم الاتصال.

يؤدي تشغيل جهاز ظاهري إلى فرض رسوم على Azure، لذلك يجب أن تكون حذرًا لتشغيله فقط عند الحاجة.

Azure Databricks

Azure Databricks هو نظام أساسي للتحليلات يستند إلى Apache Spark تم تحسينه للنظام الأساسي السحابي ل Microsoft Azure. تم دمج Databricks مع Azure لتوفير إعداد بنقرة واحدة، وتدفقات سير عمل مبسطة، ومساحة عمل تفاعلية تتيح التعاون بين علماء البيانات ومهندسي البيانات ومحللي الأعمال. استخدم Python وR وSc scala SQL التعليمات البرمجية في دفاتر الملاحظات المستندة إلى الويب للاستعلام عن البيانات وتصورها ونمذجتها.

استخدم Databricks عندما تريد التعاون في بناء حلول التعلم الآلي على Apache Spark.

عنصر ‏‏الوصف
النوع منصة التحليلات القائمة على Apache Spark
اللغات المدعومة Python, R, Scala, SQL
مراحل التعلم الآلي تحضير البيانات
ما قبل معالجة البيانات
تدريب النموذج
ضبط النموذج
استنتاج النموذج
الإدارة
التوزيع

ML.NET

ML.NET هو مفتوح المصدر، عبر منصة، إطار التعلم الآلي لـ.NET. باستخدام ML.NET، يمكنك إنشاء حلول مخصصة للتعلم الآلي ودمجها في تطبيقات .NET الخاصة بك. يوفر ML.NET مستويات مختلفة من التشغيل التفاعلي مع أطر العمل الشائعة مثل TensorFlow و ONNX لتدريب وتسجيل نماذج التعلم الآلي والتعلم العميق. بالنسبة للمهام كثيفة الموارد مثل تدريب نماذج تصنيف الصور، يمكنك الاستفادة من Azure لتدريب نماذجك في السحابة.

استخدم ML.NET عندما تريد دمج حلول التعلم الآلي في تطبيقات .NET. اختر بين واجهة برمجة التطبيقات للحصول على تجربة التعليمات البرمجية أولًا وModel Builder أو CLI للحصول على تجربة منخفضة التعليمات البرمجية.

عنصر ‏‏الوصف
النوع إطار عمل مفتوح المصدر عبر الأنظمة الأساسية لتطوير تطبيقات التعلم الآلي المخصصة باستخدام .NET
اللغات المدعومة C#, F#‎
مراحل التعلم الآلي تحضير البيانات
التدريب
التوزيع
الفوائد الرئيسية علوم البيانات وتجربة التعلم الآلي غير مطلوبة
استخدام الأدوات المألوفة (Visual Studio وMicrosoft Visual Studio Code) واللغات
نشر حيث يتم تشغيل .NET
الموسعه
قابلة للتطوير
تجربة محلية أولًا

التعلم الآلي من Windows

يسمح لك محرك استدلال التعلم الآلي من Windows باستخدام نماذج التعلم الآلي المدربة في تطبيقاتك، وتقييم النماذج المدربة محليا على أجهزة Windows 10.

استخدم التعلم الآلي من Windows عندما تريد استخدام نماذج التعلم الآلي المدربة داخل تطبيقات Windows.

عنصر ‏‏الوصف
النوع محرك الاستدلال للنماذج المدربة في الأجهزة Windows
اللغات المدعومة C#/C++، JavaScript

SynapseML

SynapseML (المعروف سابقا باسم MMLSpark) هي مكتبة مفتوحة المصدر تبسط إنشاء مسارات التعلم الآلي القابلة للتطوير بشكل كبير. يوفر SynapseML واجهات برمجة التطبيقات لمجموعة متنوعة من مهام التعلم الآلي المختلفة مثل تحليلات النص والرؤية واكتشاف الحالات الشاذة وغيرها الكثير. تم بناء SynapseML على إطار عمل الحوسبة الموزعة Apache Spark ويشارك نفس واجهة برمجة التطبيقات مثل مكتبة SparkML/MLLib، ما يسمح لك بتضمين نماذج SynapseML بسلاسة في مهام سير عمل Apache Spark الحالية.

يضيف SynapseML العديد من أدوات التعلم العميق وعلوم البيانات إلى نظام Spark البنائي، بما في ذلك التكامل السلس بين مسارات Spark التعلم الآلي مع Light Gradient Boosting Machine (LightGBM) و LIME (Model Interpretability) وOpenCV. يمكنك استخدام هذه الأدوات لإنشاء نماذج تنبؤية قوية على أي مجموعة Spark، مثل Azure Databricks أو Cosmic Spark.

يوفر SynapseML أيضا قدرات الشبكات إلى النظام البنائي Spark. باستخدام مشروع HTTP على Spark، يمكن للمستخدمين تضمين أي خدمة ويب في نماذج SparkML الخاصة بهم. بالإضافة إلى ذلك، يوفر SynapseML أدوات سهلة الاستخدام لتنسيق خدمات Azure الذكاء الاصطناعي على نطاق واسع. للنشر على مستوى الإنتاج، يتيح مشروع Spark Serving سرعة نقل عالية، وخدمات ويب لزمن انتقال أقل من الثانية، مدعومة بنظام مجموعة Spark.

عنصر ‏‏الوصف
النوع إطار عمل التعلم الآلي والخدمات المصغرة مفتوحة المصدر والموزعة لـApache Spark
اللغات المدعومة Scala 2.11, Java, Python 3.5+, R (beta)
مراحل التعلم الآلي تحضير البيانات
تدريب النموذج
التوزيع
الفوائد الرئيسية قابلية التوسع
متوافقة مع Streaming + Serving
التسامح مع الخطأ
الاعتبارات يتطلب Apache Spark

المساهمون

تحتفظ Microsoft بهذه المقالة. وهي مكتوبة في الأصل من قبل المساهمين التاليين.

الكاتب الرئيسي:

  • Zoiner Tejada | الرئيس التنفيذي (الرئيس التنفيذي) والمهندس المعماري

الخطوات التالية