De machine learning producten en technologieën van Microsoft vergelijken
Meer informatie over de machine learning en technologieën van Microsoft. Vergelijk opties om u te helpen kiezen hoe u uw oplossingen het meest effectief machine learning implementeren en beheren.
Cloudgebaseerde machine learning producten
De volgende opties zijn beschikbaar voor machine learning in de Azure-cloud.
| Cloud -opties | Wat het is | Wat u ermee kunt doen |
|---|---|---|
| Azure Machine Learning | Beheerd platform voor machine learning | Gebruik een vooraf getraind model. U kunt ook 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 standaardprogrammeertaal. Vereist geen kennis van machine learning en data science |
| Azure SQL Managed Instance Machine Learning Services | In-database machine learning 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 SQL Managed Instance |
| Machine learning en AI met ONNX in Azure SQL Edge | Machine learning in SQL on 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 | In-database machine learning voor SQL | Modellen trainen en implementeren binnen SQL Server |
| Machine Learning Services op SQL Server Big Data Clusters | Machine learning in Big Data Clusters | Modellen trainen en implementeren op SQL Server Big Data Clusters |
Ontwikkelplatforms en hulpprogramma's
De volgende ontwikkelplatforms en hulpprogramma's zijn beschikbaar voor machine learning.
| Platforms/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 | Ontwikkel machine learning in een vooraf geconfigureerde omgeving |
| ML.NET | Opensource-, platformoverschrijdende machine learning SDK | Ontwikkel machine learning oplossingen voor .NET-toepassingen |
| Windows ML | Windows 10 machine learning platform | Getrainde modellen evalueren op een Windows 10-apparaat |
| MMLSpark | Opensource-, gedistribueerde, machine learning en microservices-framework voor Apache Spark | Maak en implementeer schaalbare machine learning voor Scala en Python. |
| Machine Learning-extensie voor Azure Data Studio | Opensource- en platformoverschrijdende machine learning voor Azure Data Studio | Pakketten beheren, machine learning 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 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. Er zijn ook uitgebreide hulpprogramma's beschikbaar, zoals Rekenprocessen, Jupyter Notebooksof de Azure Machine Learning for Visual Studio Code-extensie,een gratis extensie waarmee u uw resources, werkstromen voor modeltraining en implementaties in Visual Studio Code kunt beheren. Azure Machine Learning bevat functies waarmee het genereren en afstemmen van modellen eenvoudig, efficiënt en nauwkeurig wordt automatiseren.
Gebruik python-SDK, Jupyter-notebooks, R en de CLI voor machine learning op cloudschaal. Voor een optie met weinig of geen code gebruikt u 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 te downloaden.
| Type | Cloudgebaseerde machine learning oplossing |
| Ondersteunde talen | Python, R |
| Machine learning-fasen | Modeltraining Implementatie MLOps/Management |
| Belangrijkste voordelen | Code first (SDK) en Studio & ontwerpopties voor webinterfaces van designer met slepen en neerzetten. Centraal beheer van scripts en de uitvoeringsgeschiedenis, zodat u eenvoudig modelversies kunt vergelijken. Eenvoudige implementatie en beheer van modellen in de cloud of edge-apparaten. |
| Overwegingen | Vereist enige bekendheid met het modelbeheermodel. |
Azure Cognitive Services
Azure Cognitive Services is een set vooraf gebouwde API's waarmee u apps kunt bouwen die gebruikmaken van natuurlijke communicatiemethoden. De term vooraf gebouwd geeft aan dat u geen gegevenssets of data science-expertise hoeft te gebruiken om modellen te trainen voor gebruik in uw toepassingen. Dat is alles voor u en verpakt als API's en SDK's waarmee uw apps gebruikersbehoeften met slechts een paar regels code kunnen zien, horen, spreken, begrijpen en interpreteren. U kunt eenvoudig intelligente functies toevoegen aan uw apps, zoals:
- Vision: objectdetectie, gezichtsherkenning, OCR, enzovoort. Zie Computer Vision, Faceen Form Recognizer.
- Spraak: spraak-naar-tekst, tekst-naar-spraak, sprekerherkenning, enzovoort. Zie Speech Service.
- Taal: vertaling, sentimentanalyse, sleuteltermextractie, taalbegrip, enzovoort. Zie Vertalen, Text Analytics, Language Understanding, QnA Maker
- Beslissing: anomaliedetectie, inhoudsbeheer, bekrachtigings learning. Zie Anomaly Detector, Content Moderator, Personalizer.
Gebruik Cognitive Services om apps te ontwikkelen op allerlei apparaten en platforms. De API's worden voortdurend verbeterd, en zijn gemakkelijk in te stellen.
| 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 | Bouw intelligente toepassingen met vooraf getrainde modellen die beschikbaar zijn via REST API en SDK. Verschillende modellen voor natuurlijke communicatiemethoden met zicht, spraak, taal en besluitvorming. Geen machine learning of data science-expertise 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 SQL Server Big Data Clusters
- 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 nodig hebt en predictive analytics relationele gegevens in SQL.
| Type | On-premises predictive analytics relationele gegevens |
| Ondersteunde talen | Python, R, SQL |
| Machine learning-fasen | Gegevensvoorbereiding Modeltraining Implementatie |
| Belangrijkste voordelen | Bekapseld voorspellende logica in een databasefunctie, zodat u deze eenvoudig kunt opnemen in gegevenslaaglogica. |
| Overwegingen | Hierbij wordt ervan SQL database als de gegevenslaag voor uw toepassing wordt gebruikt. |
Azure Data Science Virtual Machine
De Azure Data Science Virtual Machine 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 gegevenswetenschap en het ontwikkelen ML oplossingen. Het heeft veel populaire data science, ML frameworks en andere hulpprogramma's die vooraf zijn geïnstalleerd en geconfigureerd om snel 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.
| Type | Aangepaste virtuele-machineomgeving voor gegevenswetenschap |
| Belangrijkste voordelen | Minder 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 afbeeldingen met GPU-mogelijkheden voor intensieve gegevensmodelleer. |
| Overwegingen | De virtuele machine kan niet worden gebruikt wanneer deze offline is. Voor het uitvoeren van een virtuele machine worden Azure-kosten in rekening gebracht. Zorg er daarom voor dat deze alleen wordt uitgevoerd wanneer dat nodig is. |
Azure Databricks
Azure Databricks is een op Apache Spark gebaseerd analyseplatform, geoptimaliseerd voor het Microsoft Azure-platform voor cloudservices. 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.
| Type | Op Apache Spark gebaseerd analyseplatform |
| Ondersteunde talen | Python, R, Scala, SQL |
| Machine learning-fasen | Gegevensvoorbereiding Voorverwerking van gegevens Modeltraining Model afstemmen Modeldeductie Beheer Implementatie |
ML.NET
ML.NET is een open source en platformoverschrijdend machine learning framework. Met ML.NET kunt u aangepaste oplossingen machine learning 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 modellen voor afbeeldingsclassificatie, kunt u azure gebruiken om uw modellen in de cloud te trainen.
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.
| Type | Opensource-framework voor verschillende platforms voor het ontwikkelen van aangepaste machine learning toepassingen met .NET |
| Ondersteunde talen | C#, F # |
| Machine learning-fasen | Gegevensvoorbereiding Training Implementatie |
| Belangrijkste voordelen | Data science & ML ervaring niet vereist Vertrouwde hulpprogramma's (Visual Studio, VS Code) en talen gebruiken Implementeren waar .NET wordt uitgevoerd Extensible Schaalbaar Lokale ervaring |
Windows ML
Windows ML de deferentie-engine kunt u getrainde machine learning-modellen in uw toepassingen gebruiken en getrainde modellen lokaal evalueren op Windows 10 apparaten.
Gebruik Windows ML als u getrainde Machine Learning-modellen in uw Windows-toepassingen wilt gebruiken.
| Type | De deferentie-engine voor getrainde modellen in Windows apparaten |
| Ondersteunde talen | C#/C++, JavaScript |
MMLSpark
Microsoft ML for Apache Spark (MMLSpark) is een opensource-bibliotheek die het framework voor gedistribueerde computing uitbreidt Apache Spark. MMLSpark voegt veel deep learning- en data science-hulpprogramma's toe aan het Spark-ecosysteem, waaronder naadloze integratie van Spark Machine Learning-pijplijnen met Microsoft Cognitive Toolkit (CNTK), LightGBM,MENT (Model Interpretability)en OpenCV. U kunt deze hulpprogramma's gebruiken om krachtige voorspellende modellen te maken op elk Spark-cluster, zoals Azure Databricks of Spark Spark.
MMLSpark biedt ook nieuwe netwerkmogelijkheden voor het Spark-ecosysteem. Met het PROJECT HTTP op Spark kunnen gebruikers elke webservice insluiten in hun SparkML-modellen. Daarnaast biedt MMLSpark eenvoudig te gebruiken hulpprogramma's voor het Azure Cognitive Services op schaal. Voor implementatie op productiekwaliteit maakt het Spark Serving-project webservices met een hoge doorvoer en latentie van minder dan een seconde mogelijk, die wordt gebackbackt door uw Spark-cluster.
| Type | Opensource-, gedistribueerde machine learning en microservices-framework 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 compatibele diensten Fouttolerantie |
| Overwegingen | Vereist Apache Spark |
Volgende stappen
- Zie Microsoft AI platform (Microsoft AI-platform) voor meer informatie over alle ai-ontwikkelingsproducten (kunstmatige intelligentie) die beschikbaar zijn van Microsoft.
- Zie Voor training in het ontwikkelen van AI Machine Learning en het ontwikkelen van oplossingen met Microsoft, Microsoft Learn