Porównaj produkty i technologie uczenia maszynowego firmy MicrosoftCompare the machine learning products and technologies from Microsoft

Poznaj produkty i technologie uczenia maszynowego firmy Microsoft.Learn about the machine learning products and technologies from Microsoft. Porównaj opcje, aby ułatwić wybór sposobu wydajnego kompilowania i wdrażania rozwiązań uczenia maszynowego oraz zarządzania nimi.Compare options to help you choose how to most effectively build, deploy, and manage your machine learning solutions.

Oparte na chmurze produkty do uczenia maszynowegoCloud-based machine learning products

Następujące opcje są dostępne dla uczenia maszynowego w chmurze platformy Azure.The following options are available for machine learning in the Azure cloud.

Opcje w chmurzeCloud options Co to jestWhat it is Do czego służyWhat you can do with it
Usługa Azure   Machine   LearningAzure Machine Learning Zarządzana platforma dla uczenia maszynowegoManaged platform for machine learning Użyj modelu przedniego.Use a pretrained model. Lub uczenie i wdrażanie modeli na platformie Azure oraz zarządzanie nimi przy użyciu języka Python i interfejsu wiersza poleceniaOr, train, deploy, and manage models on Azure using Python and CLI
 Usługi poznawcze platformy Azure  Azure Cognitive Services Wstępnie skompilowane funkcje AI zaimplementowane za poorednictwem interfejsów API REST i zestawów SDKPre-built AI capabilities implemented through REST APIs and SDKs Szybkie tworzenie inteligentnych aplikacji przy użyciu standardowych języków programowania.Build intelligent applications quickly using standard programming languages. Nie wymaga znajomości uczenia maszynowego i analizy danychDoesn't require machine learning and data science expertise
Machine Learning Services wystąpienia zarządzanego usługi Azure SQLAzure SQL Managed Instance Machine Learning Services Uczenie maszynowe w bazie danych dla języka SQLIn-database machine learning for SQL Uczenie i wdrażanie modeli wewnątrz wystąpienia zarządzanego usługi Azure SQLTrain and deploy models inside Azure SQL Managed Instance
Uczenie maszynowe w usłudze Azure Synapse AnalyticsMachine learning in Azure Synapse Analytics Usługa analizy za pomocą uczenia maszynowegoAnalytics service with machine learning Uczenie i wdrażanie modeli wewnątrz wystąpienia zarządzanego usługi Azure SQLTrain and deploy models inside Azure SQL Managed Instance
Uczenie maszynowe i AI z ONNX w usłudze Azure SQL EdgeMachine learning and AI with ONNX in Azure SQL Edge Uczenie maszynowe w usłudze SQL na IoTMachine learning in SQL on IoT Uczenie i wdrażanie modeli wewnątrz usługi Azure SQL EdgeTrain and deploy models inside Azure SQL Edge
Azure DatabricksAzure Databricks Platforma analityczna bazująca na projekcie Apache SparkApache Spark-based analytics platform Twórz i wdrażaj modele i przepływy pracy danych przy użyciu integracji z bibliotekami uczenia maszynowego Open Source i platformą MLFlow .Build and deploy models and data workflows using integrations with open-source machine learning libraries and the MLFlow platform.

Lokalne produkty do uczenia maszynowegoOn-premises machine learning products

Następujące opcje są dostępne dla uczenia maszynowego w środowisku lokalnym.The following options are available for machine learning on-premises. Serwery lokalne mogą być także uruchamiane na maszynie wirtualnej w chmurze.On-premises servers can also run in a virtual machine in the cloud.

Opcje lokalneOn-premises options Co to jestWhat it is Do czego służyWhat you can do with it
SQL Server Machine Learning ServicesSQL Server Machine Learning Services Uczenie maszynowe w bazie danych dla języka SQLIn-database machine learning for SQL Uczenie i wdrażanie modeli wewnątrz SQL ServerTrain and deploy models inside SQL Server
Machine Learning Services SQL Server klastrów danych Big DataMachine Learning Services on SQL Server Big Data Clusters Uczenie maszynowe w klastrach Big DataMachine learning in Big Data Clusters Uczenie i wdrażanie modeli w SQL Server klastrów danych Big DataTrain and deploy models on SQL Server Big Data Clusters

Platformy i narzędzia deweloperskieDevelopment platforms and tools

Do uczenia maszynowego są dostępne następujące platformy i narzędzia deweloperskie.The following development platforms and tools are available for machine learning.

Platformy/narzędziaPlatforms/tools Co to jestWhat it is Do czego służyWhat you can do with it
    Maszyna wirtualna do nauki o danych platformy AzureAzure Data Science Virtual Machine Maszyna wirtualna ze wstępnie zainstalowanymi narzędziami do analizy danychVirtual machine with pre-installed data science tools Opracowywanie rozwiązań do uczenia maszynowego w wstępnie skonfigurowanym środowiskuDevelop machine learning solutions in a pre-configured environment
ML.NETML.NET Zestaw SDK programu "open source" dla wielu platformOpen-source, cross-platform machine learning SDK Opracowywanie rozwiązań uczenia maszynowego dla aplikacji platformy .NETDevelop machine learning solutions for .NET applications
Windows MLWindows ML Platforma uczenia maszynowego systemu Windows 10Windows 10 machine learning platform Ocena przeszkolonych modeli na urządzeniu z systemem Windows 10Evaluate trained models on a Windows 10 device
MMLSparkMMLSpark Struktura "open source", dystrybucja, uczenie maszynowe i mikrousługi, dla Apache SparkOpen-source, distributed, machine learning and microservices framework for Apache Spark Twórz i Wdrażaj skalowalne aplikacje uczenia maszynowego dla Scala i Python.Create and deploy scalable machine learning applications for Scala and Python.
Machine Learning rozszerzenie dla Azure Data StudioMachine Learning extension for Azure Data Studio Rozszerzenie "open source" i międzyplatformowego uczenia maszynowego dla Azure Data StudioOpen-source and cross-platform machine learning extension for Azure Data Studio Zarządzanie pakietami, importowanie modeli uczenia maszynowego, Tworzenie prognoz i tworzenie notesów do uruchamiania eksperymentów dla baz danych SQLManage packages, import machine learning models, make predictions, and create notebooks to run experiments for your SQL databases

Azure Machine LearningAzure Machine Learning

Azure Machine Learning to w pełni zarządzana usługa w chmurze służąca do uczenia i wdrażania modeli uczenia maszynowego oraz zarządzania nimi na dużą skalę.Azure Machine Learning is a fully managed cloud service used to train, deploy, and manage machine learning models at scale. W pełni obsługuje technologie typu „open source”, dzięki czemu można używać dziesiątków tysięcy pakietów języka Python, np. TensorFlow, PyTorch czy scikit-learn.It fully supports open-source technologies, so you can use tens of thousands of open-source Python packages such as TensorFlow, PyTorch, and scikit-learn. Dostępne są również bogate narzędzia, takie jak wystąpienia obliczeniowe, notesy Jupyterlub Azure Machine Learning rozszerzenia Visual Studio Code, czyli bezpłatne rozszerzenie, które pozwala zarządzać zasobami, modelować przepływy pracy szkoleniowe i wdrożenia w Visual Studio Code.Rich tools are also available, such as Compute instances, Jupyter notebooks, or the Azure Machine Learning for Visual Studio Code extension, a free extension that allows you to manage your resources, model training workflows and deployments in Visual Studio Code. Azure Machine Learning obejmuje funkcje automatyzujące Generowanie modeli i dostrajanie z łatwością, efektywnością i dokładnością.Azure Machine Learning includes features that automate model generation and tuning with ease, efficiency, and accuracy.

Korzystaj z zestawu SDK języka Python, Jupyter notesów, R i interfejsu wiersza polecenia w celu uczenia maszynowego w skali chmury.Use Python SDK, Jupyter notebooks, R, and the CLI for machine learning at cloud scale. W przypadku opcji niskiego kodu lub braku kodu należy używać interaktywnego projektanta Azure Machine Learning w programie Studio, aby łatwo i szybko kompilować, testować i wdrażać modele przy użyciu wstępnie utworzonych algorytmów uczenia maszynowego.For a low-code or no-code option, use Azure Machine Learning's interactive designer in the studio to easily and quickly build, test, and deploy models using pre-built machine learning algorithms.

Wypróbuj bezpłatnie Azure Machine Learning.Try Azure Machine Learning for free.

TypType Rozwiązanie do uczenia maszynowego opartego na chmurzeCloud-based machine learning solution
Obsługiwane językiSupported languages Python, RPython, R
Fazy uczenia maszynowegoMachine learning phases Trenowanie modeluModel training
WdrożenieDeployment
MLOps/zarządzanieMLOps/Management
Najważniejsze korzyściKey benefits Kod pierwszy (SDK) i Studio & opcji tworzenia interfejsu sieci Web projektanta i upuszczania.Code first (SDK) and studio & drag-and-drop designer web interface authoring options.

Centralne zarządzanie skryptami i historiami uruchamiania, dzięki czemu można łatwo porównać wersje modeli.Central management of scripts and run history, making it easy to compare model versions.

Łatwe wdrażanie modeli i zarządzanie nimi w chmurze lub urządzeniach brzegowych.Easy deployment and management of models to the cloud or edge devices.
Zagadnienia do rozważeniaConsiderations Wymaga pewnej znajomości modelu zarządzania modelami.Requires some familiarity with the model management model.

Azure Cognitive ServicesAzure Cognitive Services

Azure Cognitive Services to zestaw wstępnie skompilowanych interfejsów API, które umożliwiają tworzenie aplikacji korzystających z naturalnych metod komunikacji.Azure Cognitive Services is a set of pre-built APIs that enable you to build apps that use natural methods of communication. Przedbudowany termin sugeruje, aby nie trzeba było korzystać z zestawów danych lub wiedzy naukowej w celu uczenia modeli do użycia w aplikacjach.The term pre-built suggests that you do not need to bring datasets or data science expertise to train models to use in your applications. To wszystko jest gotowe do użycia i spakowane jako interfejsy API i zestawy SDK, które umożliwiają aplikacjom wyświetlanie, słuchanie, mówienie, poznawanie i interpretowanie potrzeb użytkowników przy użyciu zaledwie kilku wierszy kodu.That's all done for you and packaged as APIs and SDKs that allow your apps to see, hear, speak, understand, and interpret user needs with just a few lines of code. Do aplikacji można łatwo dodawać inteligentne funkcje, takie jak:You can easily add intelligent features to your apps, such as:

Usług Cognitive Services można używać do opracowywania aplikacji przeznaczonych dla różnych urządzeń i platform.Use Cognitive Services to develop apps across devices and platforms. Interfejsy API są stale udoskonalane i łatwe do skonfigurowania.The APIs keep improving, and are easy to set up.

TypType Interfejsy API do tworzenia inteligentnych aplikacjiAPIs for building intelligent applications
Obsługiwane językiSupported languages Różne opcje w zależności od usługi.Various options depending on the service. Standardowe to C#, Java, JavaScript i Python.Standard ones are C#, Java, JavaScript, and Python.
Fazy uczenia maszynowegoMachine learning phases WdrożenieDeployment
Najważniejsze korzyściKey benefits Twórz inteligentne aplikacje przy użyciu wstępnie przeszkolonych modeli dostępnych za pośrednictwem interfejsu API REST i zestawu SDK.Build intelligent applications using pre-trained models available through REST API and SDK.
Różne modele metod komunikacji naturalnej z wadami wzdziału, mowy, języka i decyzji.Variety of models for natural communication methods with vision, speech, language, and decision.
Nie jest wymagana wiedza dotycząca uczenia maszynowego ani analizy danych.No machine learning or data science expertise required.

Uczenie maszynowe SQLSQL machine learning

Usługa SQL Machine Learning umożliwia dodawanie analiz statystycznych, wizualizacji danych i analiz predykcyjnych w języku Python i języku R w przypadku danych relacyjnych, zarówno lokalnych, jak i w chmurze.SQL machine learning adds statistical analysis, data visualization, and predictive analytics in Python and R for relational data, both on-premises and in the cloud. Bieżące platformy i narzędzia obejmują:Current platforms and tools include:

Użyj usługi SQL Machine Learning, gdy potrzebujesz wbudowanej analizy plików AI i predykcyjnego w przypadku danych relacyjnych w programie SQL Server.Use SQL machine learning when you need built-in AI and predictive analytics on relational data in SQL.

TypType Lokalna Analiza predykcyjna dla danych relacyjnychOn-premises predictive analytics for relational data
Obsługiwane językiSupported languages Python, R, SQLPython, R, SQL
Fazy uczenia maszynowegoMachine learning phases Przygotowywanie danychData preparation
Trenowanie modeluModel training
WdrożenieDeployment
Najważniejsze korzyściKey benefits Hermetyzowanie logiki predykcyjnej w funkcji bazy danych, dzięki czemu można ją łatwo dołączać do logiki warstwy danych.Encapsulate predictive logic in a database function, making it easy to include in data-tier logic.
Zagadnienia do rozważeniaConsiderations Zakłada, że baza danych SQL jest warstwą danych aplikacji.Assumes a SQL database as the data tier for your application.

Azure Data Science Virtual MachineAzure Data Science Virtual Machine

Data Science Virtual Machine platformy Azure to dostosowane środowisko maszyny wirtualnej w chmurze Microsoft Azure.The Azure Data Science Virtual Machine is a customized virtual machine environment on the Microsoft Azure cloud. Jest on dostępny w wersjach dla systemów Windows i Linux Ubuntu.It is available in versions for both Windows and Linux Ubuntu. Środowisko zostało zaprojektowane specjalnie w celu przeprowadzania analizy danych i tworzenia rozwiązań ML.The environment is built specifically for doing data science and developing ML solutions. Ma wiele popularnych narzędzi do nauki o danych, środowisk ML i inne narzędzia wstępnie zainstalowane i wstępnie skonfigurowane do szybkiego tworzenia inteligentnych aplikacji na potrzeby zaawansowanej analizy.It has many popular data science, ML frameworks, and other tools pre-installed and pre-configured to jump-start building intelligent applications for advanced analytics.

Maszyna wirtualna do analizy danych pozwala uruchamiać lub hostować zadania w jednym węźle.Use the Data Science VM when you need to run or host your jobs on a single node. Można również jej użyć, gdy trzeba zdalnie skalować w górę przetwarzanie na jednej maszynie.Or if you need to remotely scale up your processing on a single machine.

TypType Dostosowane środowisko maszyny wirtualnej do nauki o danychCustomized virtual machine environment for data science
Najważniejsze korzyściKey benefits Krótszy czas instalowania i rozwiązywania problemów z narzędziami i strukturami analizy danych oraz zarządzania nimi.Reduced time to install, manage, and troubleshoot data science tools and frameworks.

Uwzględniono najnowsze wersje wszystkich często używanych narzędzi i struktur.The latest versions of all commonly used tools and frameworks are included.

Opcje maszyny wirtualnej obejmują wysoce skalowalne obrazy z możliwościami procesora GPU w celu intensywnego modelowania danych.Virtual machine options include highly scalable images with GPU capabilities for intensive data modeling.
Zagadnienia do rozważeniaConsiderations Nie można uzyskać dostępu do maszyny wirtualnej, gdy jest ona w trybie offline.The virtual machine cannot be accessed when offline.

Uruchamianie maszyny wirtualnej wiąże się z opłatami za platformę Azure, dlatego należy zachować ostrożność, aby była uruchomiona tylko wtedy, gdy jest to wymagane.Running a virtual machine incurs Azure charges, so you must be careful to have it running only when required.

Azure DatabricksAzure Databricks

Azure Databricks to platforma analizy oparta na usłudze Apache Spark i zoptymalizowana pod kątem platformy usług w chmurze Microsoft Azure.Azure Databricks is an Apache Spark-based analytics platform optimized for the Microsoft Azure cloud services platform. Usługa Databricks jest zintegrowana z platformą Azure w celu zapewnienia konfigurowania jednym kliknięciem, usprawnionych przepływów pracy oraz interaktywnego obszaru roboczego, który umożliwia współpracę między analitykami danych, inżynierami danych i analitykami biznesowymi.Databricks is integrated with Azure to provide one-click setup, streamlined workflows, and an interactive workspace that enables collaboration between data scientists, data engineers, and business analysts. Użyj kodu języka Python, R, Scala i SQL w notesach opartych na sieci Web do wysyłania zapytań o dane, ich wizualizacji i modelowania.Use Python, R, Scala, and SQL code in web-based notebooks to query, visualize, and model data.

Użyj usługi Databricks, gdy chcesz współpracować przy tworzeniu rozwiązań w zakresie uczenia maszynowego na platformie Apache Spark.Use Databricks when you want to collaborate on building machine learning solutions on Apache Spark.

TypType Platforma analityczna bazująca na projekcie Apache SparkApache Spark-based analytics platform
Obsługiwane językiSupported languages Python, R, Scala, SQLPython, R, Scala, SQL
Fazy uczenia maszynowegoMachine learning phases Przygotowywanie danychData preparation
Przetwarzanie wstępne danychData preprocessing
Trenowanie modeluModel training
Dostrajanie modeluModel tuning
Wnioskowanie modeluModel inference
ZarządzanieManagement
WdrożenieDeployment

ML.NETML.NET

Ml.NET to platforma do uczenia maszynowego Open Source i międzyplatformowego.ML.NET is an open-source, and cross-platform machine learning framework. Za pomocą ML.NET można tworzyć niestandardowe rozwiązania do uczenia maszynowego i integrować je z aplikacjami platformy .NET.With ML.NET, you can build custom machine learning solutions and integrate them into your .NET applications. ML.NET oferuje różne poziomy współdziałania z popularnymi platformami, takimi jak TensorFlow i ONNX, do szkolenia i oceniania uczenia maszynowego i modeli uczenia głębokiego.ML.NET offers varying levels of interoperability with popular frameworks like TensorFlow and ONNX for training and scoring machine learning and deep learning models. W przypadku zadań intensywnie korzystających z zasobów, takich jak modele klasyfikacji obrazów szkoleniowych, możesz skorzystać z platformy Azure do uczenia modeli w chmurze.For resource-intensive tasks like training image classification models, you can take advantage of Azure to train your models in the cloud.

Używaj struktury ML.NET, gdy chcesz integrować rozwiązania uczenia maszynowego z aplikacjami platformy .NET.Use ML.NET when you want to integrate machine learning solutions into your .NET applications. Wybierz między interfejsem API a środowiskiem i konstruktorem modelu lub interfejsem wiersza polecenia dla środowiska z niską ilością kodu.Choose between the API for a code-first experience and Model Builder or the CLI for a low-code experience.

TypType Platforma wieloplatformowa Open-Source służąca do opracowywania niestandardowych aplikacji do uczenia maszynowego przy użyciu platformy .NETOpen-source cross-platform framework for developing custom machine learning applications with .NET
Obsługiwane językiLanguages supported C#, F #C#, F#
Fazy uczenia maszynowegoMachine learning phases Przygotowywanie danychData preparation
SzkoleniaTraining
WdrożenieDeployment
Najważniejsze korzyściKey benefits Nie jest wymagane środowisko analizy danych & MLData science & ML experience not required
Korzystaj ze znanych narzędzi (Visual Studio, VS Code) i językówUse familiar tools (Visual Studio, VS Code) and languages
Wdróż miejsce uruchomienia platformy .NETDeploy where .NET runs
ExtensibleExtensible
SkalowalnośćScalable
Pierwsze środowisko lokalneLocal-first experience

Windows MLWindows ML

Aparat wnioskowania o systemie Windows ml umożliwia korzystanie z szkoleń modeli uczenia maszynowego w aplikacjach, co pozwala oceniać przeszkolone modele lokalnie na urządzeniach z systemem Windows 10.Windows ML inference engine allows you to use trained machine learning models in your applications, evaluating trained models locally on Windows 10 devices.

Używaj platformy Windows ML, gdy chcesz korzystać z przeszkolonych modeli uczenia maszynowego w swoich aplikacjach systemu Windows.Use Windows ML when you want to use trained machine learning models within your Windows applications.

TypType Aparat wnioskowania dla modeli szkolonych na urządzeniach z systemem WindowsInference engine for trained models in Windows devices
Obsługiwane językiLanguages supported C#/C + +, JavaScriptC#/C++, JavaScript

MMLSparkMMLSpark

Microsoft ml for Apache Spark (MMLSpark) to Biblioteka open source, która rozszerza Apache Sparkrozproszonej platformy obliczeniowej.Microsoft ML for Apache Spark (MMLSpark) is an open-source library that expands the distributed computing framework Apache Spark. MMLSpark dodaje wiele narzędzi do nauki uczenia i danych do ekosystemu platformy Spark, w tym bezproblemową integrację potoków spark Machine Learning z Microsoft Cognitive Toolkit (CNTK), LightGBM, wapna (modelowanie modelu)i OpenCV.MMLSpark adds many deep learning and data science tools to the Spark ecosystem, including seamless integration of Spark Machine Learning pipelines with Microsoft Cognitive Toolkit (CNTK), LightGBM, LIME (Model Interpretability), and OpenCV. Za pomocą tych narzędzi można tworzyć zaawansowane modele predykcyjne w dowolnym klastrze Spark, takie jak Azure Databricks lub Cosmic Spark.You can use these tools to create powerful predictive models on any Spark cluster, such as Azure Databricks or Cosmic Spark.

MMLSpark również udostępnia nowe funkcje sieciowe do ekosystemu platformy Spark.MMLSpark also brings new networking capabilities to the Spark ecosystem. W przypadku projektu HTTP w systemie Spark użytkownicy mogą osadzić dowolną usługę sieci Web w swoich modelach SparkML.With the HTTP on Spark project, users can embed any web service into their SparkML models. Ponadto MMLSpark zapewnia łatwe w użyciu narzędzia do organizowania Cognitive Services platformy Azure na dużą skalę.Additionally, MMLSpark provides easy-to-use tools for orchestrating Azure Cognitive Services at scale. W przypadku wdrażania klasy produkcyjnej środowisko Spark obsługujące projekt zapewnia wysoką przepływność, usługi sieci Web opóźnienia, które są obsługiwane przez klaster Spark.For production-grade deployment, the Spark Serving project enables high throughput, submillisecond latency web services, backed by your Spark cluster.

TypType Platforma "open source", rozproszona usługa uczenia maszynowego i mikrousługi dla Apache SparkOpen-source, distributed machine learning and microservices framework for Apache Spark
Obsługiwane językiLanguages supported Scala 2,11, Java, Python 3.5 +, R (beta)Scala 2.11, Java, Python 3.5+, R (beta)
Fazy uczenia maszynowegoMachine learning phases Przygotowywanie danychData preparation
Trenowanie modeluModel training
WdrożenieDeployment
Najważniejsze korzyściKey benefits SkalowalnośćScalability
Przesyłanie strumieniowe i obsługa zgodneStreaming + Serving compatible
Odporność na uszkodzeniaFault-tolerance
Zagadnienia do rozważeniaConsiderations Wymaga Apache SparkRequires Apache Spark

Następne krokiNext steps

  • Aby dowiedzieć się więcej na temat produktów programistycznych sztucznej analizy (AI) dostępnych w firmie Microsoft, zobacz Microsoft AI platformTo learn about all the Artificial Intelligence (AI) development products available from Microsoft, see Microsoft AI platform
  • Aby uzyskać szkolenia w zakresie opracowywania rozwiązań AI i Machine Learning w firmie Microsoft, zobacz Microsoft LearnFor training in developing AI and Machine Learning solutions with Microsoft, see Microsoft Learn