IA no Edge com o Azure Stack Hub

Container Registry
HDInsight
Kubernetes Service
Machine Learning
Azure Stack Hub
Armazenamento

Ideia de solução Solution Idea

Se quiser ver-nos expandir este artigo com mais informações, detalhes de implementação, orientação de preços ou exemplos de código, informe-nos com o Feedback do GitHub!If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

Com as ferramentas AZure AI e a plataforma cloud, a próxima geração de aplicações híbridas ativadas pela IA pode funcionar onde os seus dados vivem.With the Azure AI tools and cloud platform, the next generation of AI-enabled hybrid applications can run where your data lives. Com o Azure Stack Hub, traga um modelo de IA treinado para a borda e integre-o com as suas aplicações para inteligência de baixa latência, sem alterações de ferramentas ou processos para aplicações locais.With Azure Stack Hub, bring a trained AI model to the edge and integrate it with your applications for low-latency intelligence, with no tool or process changes for local applications.

ArquiteturaArchitecture

Diagrama de arquitetura Descarregue um SVG desta arquitetura.Architecture diagram Download an SVG of this architecture.

Fluxo de DadosData Flow

  1. Os cientistas de dados treinam um modelo usando a bancada de aprendizagem da máquina Azure e um cluster HDInsight.Data scientists train a model using Azure Machine Learning workbench and an HDInsight cluster. O modelo é contentorizado e colocado num registo de contentores Azure.The model is containerized and put into an Azure Container Registry.
  2. O modelo é implantado num cluster Kubernetes no Azure Stack Hub.The model is deployed to a Kubernetes cluster on Azure Stack Hub.
  3. Os utilizadores finais fornecem dados que foram pontuados contra o modelo.End users provide data that's scored against the model.
  4. Insights e anomalias da pontuação são colocados numa fila.Insights and anomalies from scoring are placed into a queue.
  5. Uma função envia dados e anomalias conformes para o Azure Storage.A function sends compliant data and anomalies to Azure Storage.
  6. Insights globalmente relevantes e conformes estão disponíveis na aplicação global.Globally relevant and compliant insights are available in the global app.
  7. Os dados da pontuação da borda são usados para melhorar o modelo.Data from edge scoring is used to improve the model.

ComponentesComponents

  • Azure Machine Learning: Construir, implementar e gerir soluções de análise preditivasAzure Machine Learning: Build, deploy, and manage predictive analytics solutions
  • HDInsight: Provision cloud Hadoop, Spark, R Server, HBase e Storm clustersHDInsight: Provision cloud Hadoop, Spark, R Server, HBase, and Storm clusters
  • Registo de contentores: Armazenar e gerir imagens de contentores em todos os tipos de implantações do AzureContainer Registry: Store and manage container images across all types of Azure deployments
  • Serviço Azure Kubernetes (AKS): Simplificar a implantação, gestão e operações de KubernetesAzure Kubernetes Service (AKS): Simplify the deployment, management, and operations of Kubernetes
  • Armazenamento: Durável, altamente disponível e armazenamento em nuvem massivamente escalávelStorage: Durable, highly available, and massively scalable cloud storage
  • Azure Stack Hub: Construa e execute aplicações híbridas inovadoras através dos limites da nuvemAzure Stack Hub: Build and run innovative hybrid applications across cloud boundaries

Passos seguintesNext steps