Вершинный ИИ |
Машинное обучение Azure |
Облачная служба для обучения, развертывания, автоматизации моделей машинного обучения и управления ими. |
TensorFlow |
ML.NET |
ML.NET — это открытый код и кроссплатформенная платформа машинного обучения для машинного обучения и искусственного интеллекта. |
TensorFlow |
ONNX (Open Neural Network Exchange) |
ONNX — это открытый формат, созданный для представления моделей машинного обучения, которые упрощают максимальную совместимость и повышенную производительность вывода. |
ИИ визуального распознавания |
Компьютерное зрение Azure Cognitive Services |
При обработке визуальных данных можно добавлять к содержимому метки (как для объектов, так и для понятий), извлекать печатный и рукописный текст, распознавать известные элементы, например торговые марки или достопримечательности, а также модерировать содержимое. Опыт работы с машинным обучением не требуется. |
Искусственный интеллект естественного языка |
Анализ текста Azure Cognitive Services |
Облачные службы, обеспечивающие расширенную обработку естественного языка по необработанному тексту, а также четыре основные функции: анализ тональности, извлечение ключевых фраз, обнаружение языка и распознавание именованных сущностей. |
Искусственный интеллект естественного языка |
Распознавание речи Azure Cognitive Services (LUIS) |
Служба машинного обучения для распознавания речи в приложениях, ботах и устройствах Интернета вещей. Оперативно создавайте корпоративные пользовательские модели, которые постоянно совершенствуются. |
Преобразование речи в текст |
Речь в Azure Cognitive Services к тексту |
Быстро преобразуйте звук в текст из различных источников. Настраивайте модели, чтобы преодолеть такие распространенные препятствия при распознавании речи, как уникальные словарные запасы, стили речи или фоновые помехи. |
Таблицы AutoML — структурированные данные |
Машинное обучение Azure — автоматизированные Машинное обучение |
Предоставьте профессионалам по обработке и анализу данных и специалистам из других областей возможность быстро создавать модели машинного обучения. Автоматизация трудоемких и итеративных задач разработки моделей с помощью прорывных исследований и ускорения времени на рынок. Доступно в Машинном обучении Azure, Power BI, ML.NET и Visual Studio. |
Таблицы AutoML — структурированные данные |
построитель моделей ML.NET |
ML.NET Конструктор моделей позволяет легко понять визуальный интерфейс для создания, обучения и развертывания пользовательских моделей машинного обучения. Предварительный опыт машинного обучения не требуется. Построитель моделей поддерживает AutoML, который автоматически изучает различные алгоритмы и параметры машинного обучения, чтобы помочь вам найти тот, который лучше подходит для вашего сценария. |
Визуальное представление AutoML |
Пользовательское визуальное распознавание Azure Cognitive Services |
Настройте и внедрите современное компьютерное зрение для конкретных доменов. Создавайте беспокойные возможности клиентов, оптимизируйте производственные процессы, ускоряйте цифровые маркетинговые кампании и многое другое. Опыт работы с машинным обучением не требуется. |
Аналитика видео autoML |
Видеоанализатор Azure |
С легкостью извлеките аналитические сведения из видео и быстро обогатите приложения, чтобы улучшить обнаружение и взаимодействие. |
Диалоговое окно |
Azure Cognitive Services QnA Maker |
Создание, обучение и публикация сложного бота с помощью страниц часто задаваемых вопросов, веб-сайтов поддержки, руководств по продуктам, документов SharePoint или редакционного содержимого с помощью простого пользовательского интерфейса или с помощью REST API. |
Записные книжки платформы ИИ |
Записные книжки Azure |
Разрабатывайте и выполняйте код из любого места с помощью записных книжек Jupyter в Azure. |
Образ виртуальной машины глубокого Обучение |
Виртуальные машины для обработки и анализа данных |
Предварительно настроенные среды в облаке для разработки Обработка и анализ данных и ИИ. |
Контейнеры глубокого Обучение |
Поддержка GPU в Служба Azure Kubernetes (AKS) |
Графические процессоры (GPU) обычно используются для ресурсоемких рабочих нагрузок, например графической обработки и визуализаций. AKS поддерживает создание пулов узлов с поддержкой GPU для выполнения этих ресурсоемких рабочих нагрузок в Kubernetes. |
Служба меток данных |
Машинное обучение Azure — метка данных |
Центральное место для создания, управления и мониторинга проектов маркировки (общедоступная предварительная версия). С помощью решения можно координировать данные, метки и работу команды, что позволит эффективно управлять задачами добавления меток. Машинное обучение поддерживает такие задачи: классификация изображений (с несколькими метками или классами) и идентификация объектов с использованием ограничивающих прямоугольников. |
Обучение платформы ИИ |
Машинное обучение Azure — целевые объекты вычислений |
Назначенный вычислительный ресурс или среда, в которой выполняется скрипт обучения или размещается развертывание службы. Это может быть локальный компьютер или облачный ресурс вычислений. Использование целевых объектов вычислений упрощает последующее изменение вычислительной среды, не изменяя код. |
Прогнозы платформ ИИ |
Машинное обучение Azure — развертывания |
Разверните модель машинного обучения в качестве веб-службы в облаке Azure или на устройствах Azure IoT Edge. Используйте бессерверные Функции Azure для вывода модели для динамического масштабирования. |
Непрерывная оценка |
Машинное обучение Azure — дрейф данных |
Отслеживайте смещение данных между набором обучающих данных и данными вывода развернутой модели. В контексте машинного обучения обученные модели машинного обучения могут испытывать снижение производительности прогнозирования из-за смещения. С помощью Машинное обучение Azure можно отслеживать смещение данных, а служба может отправлять вам оповещение по электронной почте при обнаружении смещения. |
Инструмент What-If |
Машинное обучение Azure — интерпретация модели |
Обеспечение соответствия модели машинного обучения политикам компании, отраслевым стандартам и нормативным актам правительства. |
Облачный TPU |
Машинное обучение Azure — FPGA (массивы шлюзов с возможностью программирования полей) |
ППВМ содержат массив программируемых логических блоков и иерархию настраиваемых взаимоподключений. Взаимоподключения позволяют настраивать эти блоки различными способами после производства. В отличие от других микросхем, ППВМ обеспечивают сочетание программируемости и производительности. |
Kubeflow |
операции Машинное обучение (MLOps) |
MLOps, или DevOps для машинного обучения, позволяет командам специалистов по обработке и анализу данных и ИТ-специалистов сотрудничать, а также увеличивать темпы разработки и развертывания моделей с помощью мониторинга, проверки и системы управления для моделей машинного обучения. |
Диалоговое окно |
Microsoft Bot Framework |
Создавайте и подключайте интеллектуальные боты, которые взаимодействуют с пользователями с помощью текстовых сообщений и таких популярных служб, как Skype, Teams, Slack, Microsoft 365, Twitter и другие. |