Microsoft Machine Learning-producten en -technologieën vergelijken
Meer informatie over de machine learning-producten en -technologieën van Microsoft. Vergelijk opties om u te helpen kiezen hoe u uw machine learning-oplossingen het effectiefst kunt bouwen, implementeren en beheren.
Machine Learning-producten in de cloud
De volgende opties zijn beschikbaar voor machine learning in de Azure-cloud.
| Cloudopties | Wat het is | Wat u ermee kunt doen |
|---|---|---|
| Azure Machine Learning | Beheerd platform voor machine learning | Gebruik een vooraf getraind model. Of modellen trainen, implementeren en beheren in Azure met behulp van Python en CLI |
| Azure Cognitive Services | Vooraf gebouwde AI-mogelijkheden die zijn geïmplementeerd via REST API's en SDK's | Bouw snel intelligente toepassingen met behulp van standaardprogrammeertalen. Vereist geen kennis van machine learning en data science |
| Azure SQL Managed Instance Machine Learning Services | Machine learning in de database voor SQL | Modellen trainen en implementeren in Azure SQL Managed Instance |
| Machine learning in Azure Synapse Analytics | Analyseservice met machine learning | Modellen trainen en implementeren in Azure Synapse Analytics |
| Machine learning en AI met ONNX in Azure SQL Edge | Machine learning in SQL op IoT | Modellen trainen en implementeren in Azure SQL Edge |
| Azure Databricks | Op Apache Spark gebaseerd analyseplatform | Bouw en implementeer modellen en gegevenswerkstromen met behulp van integraties met opensource-machine learning-bibliotheken en het MLflow-platform . |
On-premises machine learning-producten
De volgende opties zijn beschikbaar voor machine learning on-premises. On-premises servers kunnen ook in een virtuele machine in de cloud worden uitgevoerd.
| On-premises opties | Wat het is | Wat u ermee kunt doen |
|---|---|---|
| SQL Server Machine Learning-services | Machine learning in de database voor SQL | Modellen trainen en implementeren in SQL Server |
| Machine Learning Services op BIG Data-clusters van SQL Server | Machine learning in Big Data-clusters | Modellen trainen en implementeren in BIG Data-clusters van SQL Server |
Ontwikkelplatforms en hulpprogramma's
De volgende ontwikkelplatforms en hulpprogramma's zijn beschikbaar voor machine learning.
| Platformen/hulpprogramma's | Wat het is | Wat u ermee kunt doen |
|---|---|---|
| Azure Data Science Virtual Machine | Virtuele machine met vooraf geïnstalleerde hulpprogramma 's voor data science | Machine Learning-oplossingen ontwikkelen in een vooraf geconfigureerde omgeving |
| ML.NET | Opensource, platformoverschrijdende machine learning SDK | Machine learning-oplossingen ontwikkelen voor .NET-toepassingen |
| Windows Machine Learning | Windows 10 Machine Learning-platform | Getrainde modellen evalueren op een Windows 10-apparaat |
| SynapseML | Opensource-, gedistribueerde, machine learning- en microservicesframework voor Apache Spark | Schaalbare machine learning-toepassingen maken en implementeren voor Scala en Python. |
| Machine Learning-extensie voor Azure Data Studio | Opensource- en platformoverschrijdende machine learning-extensie voor Azure Data Studio | Pakketten beheren, machine learning-modellen importeren, voorspellingen doen en notebooks maken om experimenten uit te voeren voor uw SQL-databases |
Azure Machine Learning
Azure Machine Learning is een volledig beheerde cloudservice die wordt gebruikt voor het trainen, implementeren en beheren van machine learning-modellen op schaal. De service ondersteunt open-source technologieën volledig, zodat u tienduizenden open-source Python-pakketten zoals TensorFlow, PyTorch en scikit-learn kunt gebruiken. Uitgebreide hulpprogramma's zijn ook beschikbaar, zoals Compute-exemplaren, Jupyter-notebooks of de Azure Machine Learning voor Visual Studio Code-extensie, een gratis extensie waarmee u uw resources, modeltrainingswerkstromen en implementaties in Visual Studio Code kunt beheren. Azure Machine Learning bevat functies waarmee het genereren en afstemmen van modellen met gemak, efficiëntie en nauwkeurigheid wordt geautomatiseerd.
Gebruik Python SDK, Jupyter-notebooks, R en de CLI voor machine learning op cloudschaal. Gebruik voor een optie met weinig code of geen code de interactieve ontwerpfunctie van Azure Machine Learning in de studio om eenvoudig en snel modellen te bouwen, testen en implementeren met behulp van vooraf gebouwde machine learning-algoritmen.
Probeer Azure Machine Learning gratis uit.
| Item | Beschrijving |
|---|---|
| Type | Oplossing voor machine learning in de cloud |
| Ondersteunde talen | Python, R |
| Machine learning-fasen | Modeltraining Implementatie MLOps/Beheer |
| Belangrijkste voordelen | Code first (SDK) en studio en ontwerpopties voor webinterfaces voor slepen en neerzetten. Centraal beheer van scripts en uitvoeringsgeschiedenis, waardoor het eenvoudig is om modelversies te vergelijken. Eenvoudige implementatie en beheer van modellen naar de cloud- of edge-apparaten. |
| Overwegingen | Vereist enige bekendheid met het modelbeheermodel. |
Azure AI-services
Azure AI-services is een set vooraf gebouwde API's waarmee u apps kunt bouwen die gebruikmaken van natuurlijke communicatiemethoden. De vooraf gebouwde term geeft aan dat u geen gegevenssets of expertise op het gebied van gegevenswetenschap hoeft te brengen om modellen te trainen voor gebruik in uw toepassingen. Dat is allemaal voor u gedaan en verpakt als API's en SDK's waarmee uw apps de behoeften van gebruikers met slechts een paar regels code kunnen zien, horen, spreken, begrijpen en interpreteren. U kunt eenvoudig intelligente functies toevoegen aan uw apps, zoals:
- Visie: Objectdetectie, gezichtsherkenning, optische tekenherkenning (OCR), enzovoort. Zie Computer Vision, Face, Azure AI Document Intelligence voor meer informatie.
- Spraak: Spraak naar tekst, tekst naar spraak, sprekerherkenning, enzovoort. Zie Speech-service voor meer informatie.
- Taal: Vertaling, Sentimentanalyse, sleuteltermextractie, taalkennis, enzovoort. Zie Vertalen, Text Analytics, Language Understanding, QnA Maker
- Beslissing: Anomaliedetectie, con tentmodus ration, versterkingsleer. Zie Anomaly Detector, Content Moderator, Personalizer voor meer informatie.
Gebruik Azure AI-services om apps te ontwikkelen op verschillende apparaten en platforms. De API's worden voortdurend verbeterd, en zijn gemakkelijk in te stellen.
| Item | Beschrijving |
|---|---|
| Type | API's voor het bouwen van intelligente toepassingen |
| Ondersteunde talen | Verschillende opties, afhankelijk van de service. Standaard zijn C#, Java, JavaScript en Python. |
| Machine learning-fasen | Implementatie |
| Belangrijkste voordelen | Intelligente toepassingen bouwen met vooraf getrainde modellen die beschikbaar zijn via REST API en SDK. Diverse modellen voor natuurlijke communicatiemethoden met visie, spraak, taal en beslissing. Er is geen kennis van machine learning of data science vereist. |
SQL Machine Learning
SQL Machine Learning voegt statistische analyse, gegevensvisualisatie en predictive analytics toe in Python en R voor relationele gegevens, zowel on-premises als in de cloud. Huidige platforms en hulpprogramma's zijn onder andere:
- SQL Server Machine Learning-services
- Machine Learning Services op BIG Data-clusters van SQL Server
- Azure SQL Managed Instance Machine Learning Services
- Machine learning in Azure Synapse Analytics
- Machine learning en AI met ONNX in Azure SQL Edge
- Machine Learning-extensie voor Azure Data Studio
Gebruik SQL Machine Learning wanneer u ingebouwde AI en predictive analytics nodig hebt voor relationele gegevens in SQL.
| Item | Beschrijving |
|---|---|
| Type | On-premises predictive analytics voor relationele gegevens |
| Ondersteunde talen | Python, R, SQL |
| Machine learning-fasen | Gegevensvoorbereiding Modeltraining Implementatie |
| Belangrijkste voordelen | U kunt voorspellende logica in een databasefunctie inkapselen, zodat u deze eenvoudig kunt opnemen in gegevenslaaglogica. |
| Overwegingen | Hiermee wordt ervan uitgegaan dat een SQL-database de gegevenslaag voor uw toepassing is. |
Azure Data Science Virtual Machine
De Virtuele machine van Azure Datawetenschap is een aangepaste omgeving voor virtuele machines in de Microsoft Azure-cloud. Het is beschikbaar in versies voor Zowel Windows als Linux Ubuntu. De omgeving is speciaal gebouwd voor het uitvoeren van data science en het ontwikkelen van machine learning-oplossingen. Het bevat veel populaire data science- en machine learning-frameworks en andere hulpprogramma's die vooraf zijn geïnstalleerd en vooraf geconfigureerd om intelligente toepassingen te bouwen voor geavanceerde analyses.
Gebruik Data Science-VM wanneer u taken wilt uitvoeren of hosten op één knooppunt. Of als u uw verwerking op één computer extern omhoog wilt schalen.
| Item | Beschrijving |
|---|---|
| Type | Aangepaste omgeving voor virtuele machines voor gegevenswetenschap |
| Belangrijkste voordelen | Beperkte tijd voor het installeren, beheren en oplossen van problemen met hulpprogramma's en frameworks voor data science. De nieuwste versies van alle veelgebruikte hulpprogramma's en frameworks zijn opgenomen. Opties voor virtuele machines omvatten zeer schaalbare installatiekopieën met GPU-mogelijkheden (Graphics Processing Unit) voor intensieve gegevensmodellering. |
| Overwegingen | De virtuele machine kan niet worden geopend wanneer u offline bent. Als u een virtuele machine uitvoert, worden azure-kosten in rekening gebracht. U moet er dus rekening mee houden dat deze alleen wordt uitgevoerd wanneer dat nodig is. |
Azure Databricks
Azure Databricks is een op Apache Spark gebaseerd analyseplatform dat is geoptimaliseerd voor het Microsoft Azure-cloudplatform. Databricks is met Azure geïntegreerd, waardoor het installatie met één klik, gestroomlijnde werkstromen en een interactieve werkruimte biedt waarmee gegevenswetenschappers, gegevenstechnici en bedrijfsanalisten samen kunnen werken. Gebruik Python-, R-, Scala- en SQL-code in webgebaseerde notebooks om query's uit te voeren op gegevens, gegevens te visualiseren en gegevens te modelleren.
Gebruik Databricks wanneer u wilt om samen te werken aan het bouwen van machine learning-oplossingen op Apache Spark.
| Item | Beschrijving |
|---|---|
| Type | Op Apache Spark gebaseerd analyseplatform |
| Ondersteunde talen | Python, R, Scala, SQL |
| Machine learning-fasen | Gegevensvoorbereiding Gegevensvoorverwerking Modeltraining Modelafstemming Modeldeductie Beheer Implementatie |
ML.NET
ML.NET is een opensource- en platformoverschrijdend machine learning-framework. Met ML.NET kunt u aangepaste machine learning-oplossingen bouwen en integreren in uw .NET-toepassingen. ML.NET biedt verschillende interoperabiliteitsniveaus met populaire frameworks zoals TensorFlow en ONNX voor het trainen en scoren van machine learning- en Deep Learning-modellen. Voor resource-intensieve taken, zoals het trainen van afbeeldingsclassificatiemodellen, kunt u gebruikmaken van Azure om uw modellen te trainen in de cloud.
Gebruik ML.NET wanneer u machine learning-oplossingen in uw .NET-toepassingen wilt integreren. Kies tussen de API voor een code-first-ervaring en Model Builder of de CLI voor een ervaring met weinig code.
| Item | Beschrijving |
|---|---|
| Type | Opensource-platformoverschrijdend framework voor het ontwikkelen van aangepaste machine learning-toepassingen met .NET |
| Ondersteunde talen | C#, F# |
| Machine learning-fasen | Gegevensvoorbereiding Training Implementatie |
| Belangrijkste voordelen | Gegevenswetenschap en machine learning-ervaring zijn niet vereist Vertrouwde hulpprogramma's (Visual Studio, Microsoft Visual Studio Code) en talen gebruiken Implementeren waar .NET wordt uitgevoerd Uitbreidbaar Schaalbaar Local-first-ervaring |
Windows Machine Learning
Met de Windows Machine Learning-deductie-engine kunt u getrainde machine learning-modellen in uw toepassingen gebruiken en getrainde modellen lokaal evalueren op Windows 10-apparaten.
Gebruik Windows Machine Learning als u getrainde machine learning-modellen in uw Windows-toepassingen wilt gebruiken.
| Item | Beschrijving |
|---|---|
| Type | Deductie-engine voor getrainde modellen op Windows-apparaten |
| Ondersteunde talen | C#/C++, JavaScript |
SynapseML
SynapseML (voorheen MMLSpark genoemd) is een opensource-bibliotheek die het maken van zeer schaalbare machine learning-pijplijnen vereenvoudigt. SynapseML biedt API's voor verschillende machine learning-taken, zoals tekstanalyse, visie, anomaliedetectie en vele andere. SynapseML is gebaseerd op het gedistribueerde Apache Spark-computingframework en deelt dezelfde API als de SparkML/MLLib-bibliotheek, zodat u SynapseML-modellen naadloos kunt insluiten in bestaande Apache Spark-werkstromen.
SynapseML voegt veel deep learning- en data science-hulpprogramma's toe aan het Spark-ecosysteem, waaronder naadloze integratie van Spark Machine Learning-pijplijnen met Light Gradient Boosting Machine (LightGBM), LIME (Model Interpretability) en OpenCV. U kunt deze hulpprogramma's gebruiken om krachtige voorspellende modellen te maken op elk Spark-cluster, zoals Azure Databricks of Kosmische Spark.
SynapseML biedt ook netwerkmogelijkheden voor het Spark-ecosysteem. Met het HTTP op Spark-project kunnen gebruikers elke webservice insluiten in hun SparkML-modellen. Daarnaast biedt SynapseML eenvoudig te gebruiken hulpprogramma's voor het op schaal organiseren van Azure AI-services . Voor implementatie op productieniveau maakt het Spark Serving-project hoge doorvoer, submilliseconden latentiewebservices mogelijk, ondersteund door uw Spark-cluster.
| Item | Beschrijving |
|---|---|
| Type | Open source, gedistribueerd machine learning- en microservicesframework voor Apache Spark |
| Ondersteunde talen | Scala 2.11, Java, Python 3.5+, R (bèta) |
| Machine learning-fasen | Gegevensvoorbereiding Modeltraining Implementatie |
| Belangrijkste voordelen | Schaalbaarheid Streaming en server compatibel Fouttolerantie |
| Overwegingen | Vereist Apache Spark |
Medewerkers
Dit artikel wordt onderhouden door Microsoft. De tekst is oorspronkelijk geschreven door de volgende Inzenders.
Hoofdauteur:
- Zoiner Tejada | Chief Executive Officer (CEO) en Architect
Volgende stappen
- Zie het Microsoft AI-platform voor meer informatie over alle producten voor kunstmatige intelligentie (AI) die beschikbaar zijn bij Microsoft.
- Zie Microsoft Learn-training voor training bij het ontwikkelen van AI- en Machine Learning-oplossingen met Microsoft.
Verwante resources
Feedback
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie: https://aka.ms/ContentUserFeedback.
Feedback verzenden en weergeven voor