Azure Machine Learning

Machine Learning 是完全受控的雲端服務，可用來大規模定型、部署和管理機器學習模型。 它完全支持開放原始碼技術，因此您可以使用數以萬計的開放原始碼 Python 套件，例如 TensorFlow、PyTorch 和 scikit-learn。

豐富的工具，如 計算實例 、 Jupyter Notebook 、或 Visual Studio Code 的 Azure Machine Learning 擴充功能，亦可供使用。 適用於 VS Code 的 Machine Learning 擴充功能是免費的擴充功能，可讓您管理 VS Code 中的資源和模型定型工作流程和部署。 機器學習包含具有輕鬆自動化生成和調整模型的功能，同時兼顧效率和準確性。

使用 Python SDK、Jupyter Notebook、R 和 CLI 進行雲端規模的機器學習。 如果您想要低程式碼或無程式代碼選項，請在 Studio 中使用 Designer 。 設計工具使用預先建置的機器學習演算法，協助您輕鬆快速地建置、測試及部署模型。 此外，您可以將機器學習與 Azure DevOps 和 GitHub Actions 整合，以實現機器學習模型的持續整合和持續部署（CI/CD）。

Machine Learning 功能

Azure AI 服務

AI 服務 是一套完整的預建 API，能幫助開發人員和組織快速開發具智能、符合市場需求的應用程式。 這些服務提供現用且可自定義的 API 和 SDK，可讓您的應用程式使用最少的程式代碼來查看、聆聽、說話、瞭解及解譯使用者需求。 這些功能可讓數據集或數據科學專業知識不必要地定型模型。 您可以將智慧型功能新增至您的應用程式，例如：

視覺： 包括對象偵測、臉部辨識和光學字元辨識。 如需詳細資訊，請參閱 Azure AI Vision 、 Azure AI Face 和 Azure AI Document Intelligence 。 語音： 包含語音轉換文字、文字到語音轉換和說話者辨識功能。 有關詳細資訊，請參閱「 語音服務 」。 語言： 包括翻譯、情感分析、關鍵片語擷取和語言理解。 如需詳細資訊，請參閱 Azure OpenAI Service 、 Azure AI Translator 、 Azure AI 沈浸式閱讀程式 、 Bot Framework Composer 和 Azure AI Language 。 決策： 偵測垃圾內容並做出明智的決策。 如需詳細資訊，請參閱 Azure AI Content Safety 。 搜尋和知識： 將 AI 支援的雲端搜尋和知識採礦功能帶入您的應用程式。 如需詳細資訊，請參閱 Azure AI 搜尋 。

使用 AI 服務跨裝置和平台開發應用程式。 API 會持續改善且易於設定。

AI 服務功能

Azure AI Foundry

Azure AI Foundry 是一個統一的平臺，可讓您負責開發和部署產生式 AI 應用程式和 Azure AI API。 它提供一組完整的 AI 功能、簡化的使用者介面，以及程式代碼優先體驗。 這些功能使其成為建置、測試、部署及管理智慧型手機解決方案的完整平臺。

Azure AI Foundry 可協助開發人員和數據科學家使用 Azure AI 供應專案，有效率地建立及部署產生式 AI 應用程式。 它強調負責任的 AI 開發，並內嵌公平、透明度和責任的原則。 平臺包含偏差偵測、可解釋性和隱私權保留機器學習的工具。 這些工具可協助確保 AI 模型強大、可信任且符合法規需求。

作為 Azure 生態系統Microsoft的一部分，Azure AI Foundry 提供強大的工具和服務，以滿足各種 AI 和機器學習需求，包括自然語言處理和電腦視覺。 其與其他 Azure 服務的整合有助於確保順暢的延展性和效能，使其成為企業的理想選項。

Azure AI Foundry 入口網站 藉由提供共用工作區、版本控制及集成開發環境等功能，促進共同作業和創新。 藉由整合熱門的開放原始碼架構和工具，Azure AI Foundry 可加速開發程式，讓組織能夠推動創新，並持續領先於具競爭力的 AI 環境。

Azure AI Foundry 功能

Microsoft網狀架構

Fabric 是端對端整合的分析平臺，可將組織所需的所有數據和分析工具整合在一起。 它整合了各種服務和工具，為數據專業人員提供順暢的體驗，包括數據工程師、數據科學家和商務分析師。 Fabric 提供數據整合、數據工程、數據倉儲、數據科學、即時分析和商業智慧的功能。

當您需要完整的平臺來管理整個數據生命週期，從擷取到深入解析時，請使用 Fabric。

Azure 資料科學虛擬機器

Azure 資料科學虛擬機 是 Microsoft Azure 雲端上的自定義 VM 環境。 適用於 Windows 和 Linux Ubuntu 的版本。 環境特別適用於數據科學工作和機器學習解決方案開發。 它有許多熱門的數據科學函式、機器學習架構，以及其他預先安裝及預先設定的工具，可讓您開始建置智慧型手機應用程式以進行進階分析。

當您需要在單一節點上執行或裝載作業，或需要在單一計算機上遠端相應增加處理時，請使用數據科學 VM。

Azure 數據科學虛擬機功能

Azure Databricks

Azure Databricks 是以 Apache Spark 為基礎的分析平臺，已針對 Microsoft azure 雲端平台優化。 Azure Databricks 與 Azure 整合，可提供單鍵設定、簡化的工作流程，以及互動式工作區，可讓數據科學家、數據工程師和商務分析師共同作業。 在 Web 式筆記本中使用 Python、R、Scala 和 SQL 程式碼來查詢、視覺化和建模資料。

當您想要在 Apache Spark 上共同建置機器學習解決方案時，請使用 Azure Databricks。

Azure Databricks 功能

ML.NET

ML.NET 是開放原始碼的跨平臺機器學習架構。 使用 ML.NET 建置自定義機器學習解決方案，並將其整合到 .NET 應用程式中。 ML.NET 提供各種層級的互操作性與熱門架構，例如 TensorFlow 和 ONNX，用於定型和評分機器學習和深度學習模型。 對於定型影像分類模型等資源密集型工作，您可以使用 Azure 在雲端中定型模型。

當您想要將機器學習解決方案整合到 .NET 應用程式中時，請使用 ML.NET。 您可以選擇用於程式碼優先體驗的 API 和用於低程式碼體驗的 模型產生器 或 CLI 。

ML.NET 功能

適用於 Windows 應用程式的 AI

使用適用於 Windows 應用程式的 AI ，將 AI 功能整合到 Windows 應用程式中使用 WinML 和 DirectML 功能，以提供本機、即時 AI 模型評估和硬體加速。 WinML 可讓開發人員將定型的機器學習模型直接整合到其 Windows 應用程式中。 其可協助本機、實時評估模型，並啟用強大的 AI 功能，而不需要雲端連線。

DirectML 是高效能、硬體加速的平臺，可用於執行機器學習模型。 它會使用 DirectX API，在各種硬體上提供優化的效能，包括 GPU 和 AI 加速器。

當您想要在 Windows 應用程式中使用定型機器學習模型時，請使用適用於 Windows 應用程式的 AI。

適用於 Windows 應用程式的 AI 功能

SynapseML

SynapseML ，先前稱為 MMLSpark，是一個開放原始碼連結庫，可簡化大規模可調整機器學習管線的建立。 SynapseML 提供各種機器學習工作的 API，例如文字分析、視覺和異常偵測。 SynapseML 建置在 Apache Spark 分散式運算架構上，並共用與 SparkML 和 MLlib 連結庫相同的 API，因此您可以將 SynapseML 模型順暢地內嵌至現有的 Apache Spark 工作流程。

SynapseML 將許多深度學習和數據科學工具新增至 Spark 生態系統，包括無縫整合 Spark Machine Learning 管線與 輕量梯度提升機（LightGBM） 、 地方可解譯的模型無關解釋 ，以及 OpenCV 。 您可以使用這些工具在任何 Spark 叢集上建立功能強大的預測模型，例如 Azure Databricks 或 Azure Cosmos DB 。

SynapseML 也為 Spark 生態系統提供網路功能。 透過 Spark 專案上的 HTTP，使用者可以將任何 Web 服務嵌入到他們的 SparkML 模型中。 此外，SynapseML 還提供易於使用的工具，可大規模協調 AI 服務。 針對生產等級部署，Spark 服務專案可啟用由 Spark 叢集支援的高輸送量和子延遲 Web 服務。

SynapseML 功能