Quelles sont les nouveautés dans SQL Server Machine Learning ServicesWhat's new in SQL Server Machine Learning Services

S’APPLIQUE À : ouiSQL Server (Windows uniquement) nonAzure SQL Database nonAzure SQL Data Warehouse nonParallel Data Warehouse APPLIES TO: yesSQL Server (Windows only) noAzure SQL Database noAzure SQL Data Warehouse noParallel Data Warehouse

Fonctionnalités d’apprentissage automatique sont ajoutées à SQL Server dans chaque version que nous continuons à développer, étendre et approfondir l’intégration entre la plateforme de données, analytique avancée et science des données.Machine learning capabilities are added to SQL Server in each release as we continue to expand, extend, and deepen the integration between the data platform, advanced analytics, and data science.

Nouveautés de la version préliminaire de SQL Server 2019New in SQL Server 2019 preview

Cette version ajoute les fonctionnalités les plus demandées pour les opérations d’apprentissage machine R et Python dans SQL Server.This release adds the top-requested features for R and Python machine learning operations in SQL Server. Pour plus d’informations sur toutes les fonctionnalités dans cette version, consultez What ' s New in SQL Server 2019 et Release Notes for SQL Server 2019.For more information about all of the features in this release, see What's New in SQL Server 2019 and Release Notes for SQL Server 2019.

Notes

Pour les nouveautés nouvelle documentation sur Java dans SQL Server 2019, consultez le Nouveautés Extensions en langage SQL Server ?For the what's new documentation on Java in SQL Server 2019, see the What new in SQL Server Language Extensions?

VersionRelease Mise à jour de fonctionnalitéFeature update
CTP 2.5CTP 2.5 Aucune modification.No changes.
CTP 2.4CTP 2.4 Prise en charge de Linux pour CREATE EXTERNAL LIBRARY (Transact-SQL) pour R et Python.Linux support for CREATE EXTERNAL LIBRARY (Transact-SQL) for R and Python.
CTP 2.3CTP 2.3 Sur Windows, le code Python sont accessibles dans une bibliothèque externe à l’aide de la CREATE EXTERNAL LIBRARY (Transact-SQL) instruction.On Windows only, Python code can be accessed in an external library using the CREATE EXTERNAL LIBRARY (Transact-SQL) statement.
CTP 2.2CTP 2.2 Aucune modification.No changes.
CTP 2.1CTP 2.1 Aucune modification.No changes.
CTP 2.0CTP 2.0 Prise en charge des plates-formes de Linux pour l’apprentissage de R et Python.Linux platform support for R and Python machine learning. Prise en main installer SQL Server Machine Learning Services sur Linux.Get started with Install SQL Server Machine Learning Services on Linux.
Le sp_execute_external_script introduit deux nouveaux paramètres qui vous permettent de facilement générer plusieurs modèles à partir de données partitionnées.The sp_execute_external_script introduces two new parameters that enable you to easily generate multiple models from partitioned data. En savoir plus dans ce didacticiel, créer des modèles basés sur une partition dans R.Learn more in this tutorial, Create partition-based models in R.
Prise en charge du cluster de basculement est maintenant pris en charge sur Windows et Linux, en supposant que le service Launchpad SQL Server est démarré sur tous les nœuds.Failover cluster support is now supported on Windows and Linux, assuming SQL Server Launchpad service is started on all nodes. Pour plus d’informations, consultez installation de cluster de basculement SQL Server.For more information, see SQL Server failover cluster installation.

Nouveautés de SQL Server 2017New in SQL Server 2017

Cette version ajoute prise en charge de Python et les algorithmes d’apprentissage leader du secteur.This release adds Python support and industry-leading machine learning algorithms. Renommé pour refléter la nouvelle étendue, SQL Server 2017 marque l’introduction de SQL Server Machine Learning Services (en base de données), avec prise en charge linguistique pour Python et R.Renamed to reflect the new scope, SQL Server 2017 marks the introduction of SQL Server Machine Learning Services (In-Database), with language support for both Python and R.

Pour la fonctionnalité annonces global, consultez What ' s New in SQL Server 2017.For feature announcements all-up, see What's New in SQL Server 2017.

Améliorations de RR enhancements

Le composant de R de SQL Server 2017 Machine Learning Services est la nouvelle génération de SQL Server 2016 R Services, avec des versions mises à jour de base R, RevoScaler et autres packages.The R component of SQL Server 2017 Machine Learning Services is the next generation of SQL Server 2016 R Services, with updated versions of base R, RevoScaler, and other packages.

Les nouvelles fonctionnalités pour R incluent gestion des packages, avec les points importants suivants :New capabilities for R include package management, with the following highlights:

Bibliothèques RR libraries

PackagePackage DescriptionDescription
MicrosoftMLMicrosoftML Dans cette version, MicrosoftML est inclus dans une installation de R par défaut, éliminant l’étape de mise à niveau requise dans la précédente SQL Server 2016 R Services.In this release, MicrosoftML is included in a default R installation, eliminating the upgrade step required in the previous SQL Server 2016 R Services. MicrosoftML offre de pointe d’apprentissage algorithmes et les transformations de données qui peuvent être mis à l’échelle ou exécuter dans des contextes de calcul à distance.MicrosoftML provides state-of-the-art machine learning algorithms and data transformations that can be scaled or run in remote compute contexts. Les algorithmes sont personnalisables des réseaux neuronaux profonds, des arbres de décision et les forêts de décision, régression linéaire et régression logistique.Algorithms include customizable deep neural networks, fast decision trees and decision forests, linear regression, and logistic regression.

Intégration de Python pour la base de données analytiquePython integration for in-database analytics

Python est un langage qui offre une grande souplesse et puissance pour diverses tâches d’apprentissage.Python is a language that offers great flexibility and power for a variety of machine learning tasks. Bibliothèques Open source pour Python incluent plusieurs plateformes pour les réseaux neuronaux personnalisables, ainsi que des bibliothèques populaires pour le traitement en langage naturel.Open-source libraries for Python include several platforms for customizable neural networks, as well as popular libraries for natural language processing. À présent, ce langage largement utilisé est pris en charge dans SQL Server 2017 Machine Learning.Now, this widely-used language is supported in SQL Server 2017 Machine Learning.

Étant donné que Python est intégré avec le moteur de base de données, vous pouvez conserver analytique proche des données et éliminer les coûts et les risques de sécurité associés au transfert de données.Because Python is integrated with the database engine, you can keep analytics close to the data and eliminate the costs and security risks associated with data movement. Vous pouvez déployer des solutions machine learning basées sur Python à l’aide des outils tels que Visual Studio.You can deploy machine learning solutions based on Python using tools like Visual Studio. Vos applications de production peuvent obtenir des prédictions, modèles, ou les méthodes d’accéder aux éléments visuels à partir de l’exécution de Python 3.5 à l’aide de données SQL Server.Your production applications can get predictions, models, or visuals from the Python 3.5 runtime using SQL Server data access methods.

Intégration de T-SQL et Python est pris en charge par le biais du sp_execute_external_script procédure stockée système.T-SQL and Python integration is supported through the sp_execute_external_script system stored procedure. Vous pouvez appeler n’importe quel code Python à l’aide de cette procédure stockée.You can call any Python code using this stored procedure. Code s’exécute dans une architecture double sécurisée, qui permet le déploiement d’entreprise de modèles de Python et des scripts pouvant être appelés à partir d’une application à l’aide d’une procédure stockée simple.Code runs in a secure, dual architecture that enables enterprise-grade deployment of Python models and scripts, callable from an application using a simple stored procedure. Gains de performances supplémentaires sont réalisés par les données de diffusion en continu à partir de SQL aux processus de Python et de parallélisation des anneaux MPI.Additional performance gains are achieved by streaming data from SQL to Python processes and MPI ring parallelization.

Vous pouvez utiliser le code T-SQL PREDICT (fonction) pour effectuer notation native sur un modèle préentraîné qui a été précédemment enregistré dans le format binaire requis.You can use the T-SQL PREDICT function to perform native scoring on a pre-trained model that has been previously saved in the required binary format.

Bibliothèques PythonPython libraries

PackagePackage DescriptionDescription
revoscalepyrevoscalepy Équivalent Python de RevoScaleR.Python-equivalent of RevoScaleR. Vous pouvez créer des modèles de Python pour régressions linéaires et logistiques, arbres de décision, arbres amplifiés et forêts aléatoires, tout parallélisme et capables d’en cours d’exécution dans des contextes de calcul à distance.You can create Python models for linear and logistic regressions, decision trees, boosted trees, and random forests, all parallelizable, and capable of being run in remote compute contexts. Ce package prend en charge l’utilisation de plusieurs sources de données et des contextes de calcul distants.This package supports use of multiple data sources and remote compute contexts. Le spécialiste des données ou le développeur peut exécuter du code Python sur un serveur SQL distant, pour Explorer les données ou de créer des modèles sans déplacement de données.The data scientist or developer can execute Python code on a remote SQL Server, to explore data or build models without moving data.
microsoftmlmicrosoftml Python équivalent du package MicrosoftML R.Python-equivalent of the MicrosoftML R package.

Modèles dont l’apprentissage a déjà été effectuéPre-trained models

Modèles préentraînés sont disponibles pour Python et R. utilisent ces modèles pour la reconnaissance d’images et d’analyse d’opinions positive négative, pour générer des prédictions sur vos propres données.Pre-trained models are available for both Python and R. Use these models for image recognition and positive-negative sentiment analysis, to generate predictions on your own data.

Serveur autonome comme une fonctionnalité partagée dans le programme d’installation de SQL ServerStandalone Server as a shared feature in SQL Server Setup

Cette version ajoute également SQL Server Machine Learning Server (autonome), un serveur de science des données totalement indépendante, prenant en charge d’analytique prédictive et statistiques dans R et Python.This release also adds SQL Server Machine Learning Server (Standalone), a fully independent data science server, supporting statistical and predictive analytics in R and Python. Comme avec R Services, ce serveur est la prochaine version de SQL Server 2016 R Server (autonome).As with R Services, this server is the next version of SQL Server 2016 R Server (Standalone). Avec le serveur autonome, vous pouvez distribuer et mettre à l’échelle des solutions R ou Python sans dépendances sur SQL Server.With the standalone server, you can distribute and scale R or Python solutions with no dependencies on SQL Server.

Nouveautés de SQL Server 2016New in SQL Server 2016

Cette version introduite fonctionnalités machine learning dans SQL Server via SQL Server 2016 R Services, un moteur de base de données analytique pour le script de traitement R sur les données résidentes dans une instance du moteur de base de données.This release introduced machine learning capabilities into SQL Server through SQL Server 2016 R Services, an in-database analytics engine for processing R script on resident data within a database engine instance.

En outre, SQL Server 2016 R Server (autonome) a été publié comme un moyen d’installer R Server sur un serveur Windows.Additionally, SQL Server 2016 R Server (Standalone) was released as a way to install R Server on a Windows server. Le programme d’installation de SQL Server fournies au départ, la seule façon d’installer R Server pour Windows.Initially, SQL Server Setup provided the only way to install R Server for Windows. Dans les versions ultérieures, les développeurs et scientifiques des données qui souhaitaient R Server sur Windows peuvent utiliser un autre programme d’installation autonome pour atteindre le même objectif.In later releases, developers and data scientists who wanted R Server on Windows could use another standalone installer to achieve the same goal. Le serveur autonome dans SQL Server est fonctionnellement équivalent au produit serveur autonome, Microsoft R Server pour Windows.The standalone server in SQL Server is functionally equivalent to the standalone server product, Microsoft R Server for Windows.

Pour la fonctionnalité annonces global, consultez What ' s New in SQL Server 2016.For feature announcements all-up, see What's New in SQL Server 2016.

VersionRelease Mise à jour de fonctionnalitéFeature update
Ajouts CUCU additions Calcul de score en temps réel s’appuie sur les bibliothèques C++ natives pour lire un modèle stocké dans un format binaire optimisé, puis générer des prédictions sans avoir à appeler le runtime R.Real-time scoring relies on native C++ libraries to read a model stored in an optimized binary format, and then generate predictions without having to call the R runtime. Cela rend les opérations de notation beaucoup plus rapides.This makes scoring operations much faster. Avec la notation en temps réel, vous pouvez exécuter une procédure stockée ou exécuter une notation en temps réel à partir de code R.With real-time scoring, you can run a stored procedure or perform real-time scoring from R code. Calcul de score en temps réel est également disponible pour SQL Server 2016, si l’instance est mis à niveau vers la dernière version de Microsoft R ServerMicrosoft R Server.Real-time scoring is also available for SQL Server 2016, if the instance is upgraded to the latest release of Microsoft R ServerMicrosoft R Server.
Version initialeInitial release Intégration de R pour la base de données analytique.R integration for in-database analytics.

Packages R pour R appelant les fonctions dans T-SQL et vice versa.R packages for calling R functions in T-SQL, and vice versa. Fonctions RevoScaleR fournissent analytique R à l’échelle en divisant les données en composants, la coordination et la gestion distribuée de traitement et l’agrégation des résultats.RevoScaleR functions provide R analytics at scale by chunking data into component parts, coordinating and managing distributed processing, and aggregating results. Dans SQL Server 2016 R Services (en base de données), le moteur de RevoScaleR est intégré à une instance du moteur de base de données, chambres data et analytique ensemble dans le même contexte de traitement.In SQL Server 2016 R Services (In-Database), the RevoScaleR engine is integrated with a database engine instance, brining data and analytics together in the same processing context.

Intégration de T-SQL et R via sp_execute_external_script.T-SQL and R integration through sp_execute_external_script. Vous pouvez appeler n’importe quel code R à l’aide de cette procédure stockée.You can call any R code using this stored procedure. Cette infrastructure sécurisée permet le déploiement d’entreprise des modèles de Rn et des scripts qui peuvent être appelées à partir d’une application à l’aide d’une procédure stockée simple.This secure infrastructure enables enterprise-grade deployment of Rn models and scripts that can be called from an application using a simple stored procedure. Gains de performances supplémentaires sont réalisés par les données de diffusion en continu à partir de SQL pour les processus R et la parallélisation des anneaux MPI.Additional performance gains are achieved by streaming data from SQL to R processes and MPI ring parallelization.

Vous pouvez utiliser le code T-SQL PREDICT (fonction) pour effectuer notation native sur un modèle préentraîné qui a été précédemment enregistré dans le format binaire requis.You can use the T-SQL PREDICT function to perform native scoring on a pre-trained model that has been previously saved in the required binary format.

Feuille de route de prise en charge de LinuxLinux support roadmap

SQL Server 2019 CTP 2.3 ajoute la prise en charge de Linux pour R et Python lorsque vous installez les packages avec une instance du moteur de base de données d’apprentissage.SQL Server 2019 CTP 2.3 adds Linux support for R and Python when you install the machine learning packages with a database engine instance. Pour plus d’informations, consultez installer SQL Server Machine Learning Services sur Linux.For more information, see Install SQL Server Machine Learning Services on Linux.

Sur Linux, SQL Server 2017 n’a pas d’intégration de R ou Python, mais vous pouvez utiliser notation Native sur Linux, car cette fonctionnalité est disponible via T-SQL PREDICT, qui s’exécute sur Linux.On Linux, SQL Server 2017 does not have R or Python integration, but you can use Native scoring on Linux because that functionality is available through T-SQL PREDICT, which runs on Linux. Notation native permet la notation de hautes performances à partir d’un modèle préformé, sans appeler ou même nécessiter un runtime R.Native scoring enables high-performance scoring from a pretrained model, without calling or even requiring an R runtime.

Machine Learning Services dans la base de données SQL AzureMachine Learning Services in Azure SQL Database

Machine Learning Services (avec R) dans la base de données SQL Azure est en version préliminaire publique.Machine Learning Services (with R) in Azure SQL Database is in public preview. Pour plus d’informations, consultez base de données de SQL Azure Machine Learning Services avec R (version préliminaire).For more information, see Azure SQL Database Machine Learning Services with R (preview).

Étapes suivantesNext steps