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

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

. Скачайте SVG этой архитектуры. 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

• HDInsight: подготавливает облачные кластеры Hadoop, Spark, R Server, HBase и кластераHDInsight: Provision cloud Hadoop, Spark, R Server, HBase, and Storm clusters
• Машинное обучение Azure Studio (классическая модель): простое создание, развертывание и управление решениями прогнозной аналитикиAzure Machine Learning Studio (classic): Easily build, deploy, and manage predictive analytics solutions
• Виртуальные машины: подготавливает виртуальные машины Windows и Linux за считаные секундыVirtual Machines: Provision Windows and Linux virtual machines in seconds
• Служба Kubernetes Azure (AKS): Упростите развертывание, управление и эксплуатацию KubernetesAzure Kubernetes Service (AKS): Simplify the deployment, management, and operations of Kubernetes
• Хранилище: устойчивое, высокодоступное и массово масштабируемое облачное хранилищеStorage: Durable, highly available, and massively scalable cloud storage
• Центр Azure Stack: создание и запуск инновационных гибридных приложений в пределах облакаAzure Stack Hub: Build and run innovative hybrid applications across cloud boundaries

Дальнейшие действияNext steps

• Документация по HDInsightHDInsight documentation
• Документация по Студии машинного обучения Azure (классической)Azure Machine Learning Studio (classic) documentation
• Документация по Виртуальным машинамVirtual Machines documentation
• Документация по Службе Azure Kubernetes (AKS)Azure Kubernetes Service (AKS) documentation
• Документация по хранилищуStorage documentation
• документация по Azure Stack HubAzure Stack Hub documentation