Использование ИИ на пограничных устройствах в автономном режиме с помощью Azure Stack Hub

HDInsight
Служба Kubernetes
Машинное обучение
Azure Stack Hub
Служба хранилища
Виртуальные машины

Концепция решения Solution Idea

Если вы хотите ознакомиться с этой статьей, дополнительные сведения, сведения о реализации, рекомендации по ценам или примеры кода, сообщите нам о них.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!

С помощью средств Azure искусственного интеллекта и облачной платформы можно запустить следующее поколение гибридных приложений с поддержкой искусственного интеллекта, где находятся ваши данные.With the Azure AI tools and cloud platform, the next generation of AI-enabled hybrid applications can run where your data lives. Используя центр Azure Stack, выведите обученную модель AI в сторону и интегрируйте ее с вашими приложениями для анализа с низкой задержкой без каких-либо средств или процессов для локальных приложений.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. С помощью центра Azure Stack можно обеспечить работу облачных решений даже при отключении от Интернета.With Azure Stack Hub, you can ensure that your cloud solutions work even when disconnected from the internet.

ArchitectureArchitecture

Схема архитектуры . Скачайте SVG этой архитектуры.Architecture diagram Download an SVG of this architecture.

Поток данныхData Flow

  1. Специалисты по обработке и анализу данных обучить модель с помощью Машинное обучение Azure Studio (классической) и кластера HDInsight.Data scientists train a model using Azure Machine Learning Studio (classic) and an HDInsight cluster. Модель является контейнерной и помещается в реестр контейнеров Azure.The model is containerized and put in to an Azure Container Registry.
  2. Модель развертывается с помощью шагов, не представленных в схеме, в кластер Kubernetes в центре Azure Stack.The model is deployed via steps not represented in the diagram to a Kubernetes cluster on Azure Stack Hub.
  3. Конечные пользователи предоставляют данные, которые оцениваются по модели.End users provide data that is scored against the model.
  4. Аналитические сведения и аномалии из оценки помещаются в хранилище для последующей отправки.Insights and anomalies from scoring are placed into storage for later upload.
  5. Глобально релевантные и соответствующие требованиям сведения доступны в глобальном приложении.Globally-relevant and compliant insights are available in the global app.
  6. Данные из оценки ребра используются для улучшения модели.Data from edge scoring is used to improve the model.

ComponentsComponents

Дальнейшие действияNext steps