次の方法で共有

Microsoft の機械学習製品とテクノロジの比較

Microsoft の機械学習製品およびテクノロジについて説明します。 機械学習ソリューションを最も効果的に構築、デプロイ、管理する方法を選択する際に役立つように、選択肢を比較します。

クラウドベースの機械学習製品

Azure クラウドでの機械学習には、次の選択肢があります。

クラウド オプション 説明 機能と用途
Azure Machine Learning 機械学習用のマネージド プラットフォーム Python と CLI を使用して、事前トレーニング済みモデルを使用するか、Azure でモデルをトレーニング、デプロイ、および管理します。 Machine Learning には、自動機械学習 (AutoML)、モデル カタログ、MLflow 統合などの機能が含まれています。 実稼働段階でモデルのパフォーマンスを追跡し、理解することができます。
Microsoft Fabric 統合された分析プラットフォーム データ エンジニア、データ サイエンティスト、ビジネス アナリストなど、データプロフェッショナル向けのさまざまなサービスとツールを統合する包括的なプラットフォームを使用して、インジェストから分析情報まで、データ ライフサイクル全体を管理します。
Azure AI サービス REST API と SDK を通じて実装される事前構築済みの AI 機能 標準のプログラミング言語を使用してインテリジェントなアプリケーションを構築します。 これらの言語は、推論を提供する API を呼び出します。 理想的には機械学習とデータ サイエンスの専門知識が必要ですが、これらのスキルを持たないエンジニアリング チームもこのプラットフォームを採用できます。
Azure SQL Managed Instance 機械学習サービス SQL のデータベース内機械学習 SQL Managed Instance 内でモデルをトレーニングしてデプロイします。
Azure Synapse Analytics の機械学習 機械学習を使用する分析サービス Azure Synapse Analytics 内でモデルをトレーニングしてデプロイします。
Azure Databricks Apache Spark ベースの分析プラットフォーム オープンソースの機械学習ライブラリと MLflow プラットフォームと統合して、モデルとデータ ワークフローを構築してデプロイします。

オンプレミスの機械学習製品

オンプレミスの機械学習では、次のオプションを使用できます。 オンプレミス サーバーは、クラウド内の仮想マシン (VM) でも実行できます。

オンプレミス製品 説明 機能と用途
SQL Server 機械学習サービス SQL のデータベース内機械学習 Python および R スクリプトを使用して、SQL Server 内でモデルをトレーニングおよびデプロイします。

開発プラットフォームおよびツール

次の開発プラットフォームとツールを機械学習に利用できます。

プラットフォームまたはツール 説明 機能と用途
Azure AI Foundry ポータル AI と機械学習のシナリオ用の統合開発環境 AI モデルとアプリケーションを開発、評価、デプロイする。 Azure AI Foundry ポータルでは、さまざまな Azure AI サービス間でのコラボレーションとプロジェクト管理が容易になります。 複数のワークロード チーム間で共通の環境として使用することもできます。
Azure Machine Learning Studio 機械学習用の共同作業のドラッグ アンド ドロップ ツール 最小限のコーディングを使用して、予測分析ソリューションを構築、テスト、デプロイします。 Machine Learning Studio では、さまざまな機械学習アルゴリズムと AI モデルがサポートされています。 データの準備、モデルのトレーニング、評価のためのツールが用意されています。
Azure Data Science Virtual Machine プレインストールされているデータ サイエンス ツールを含む VM イメージ Jupyter、R、Python などのツールで構成済みの環境を使用して、独自の VM で機械学習ソリューションを開発します。
Microsoft ML.NET オープン ソースでクロスプラットフォームの機械学習 SDK .NET アプリケーション用の機械学習ソリューションを開発する。
Windows アプリ用の AI Windows デバイス上のトレーニング済みモデルの推論エンジン Windows Machine Learning (WinML) や Direct Machine Learning (DirectML ) などのコンポーネントを使用して、ローカルのリアルタイム AI モデルの評価とハードウェア アクセラレーションを行うことで、AI 機能を Windows アプリケーションに統合します。
SynapseML Apache Spark 用のオープンソースで分散型の機械学習およびマイクロサービス フレームワーク Scala および Python 用のスケーラブルな機械学習アプリケーションを作成して展開する。
Azure Data Studio の機械学習拡張機能 Azure Data Studio のオープンソースでクロスプラットフォームの機械学習拡張機能 パッケージの管理、機械学習モデルのインポート、予測の作成、および SQL データベースの実験を実行するノートブックの作成。

Azure Machine Learning

Machine Learning は、機械学習モデルを大規模にトレーニング、デプロイ、管理するために使用できるフル マネージドクラウド サービスです。 オープンソース テクノロジが完全にサポートされているため、TensorFlow、PyTorch、scikit-learn など、数万個のオープンソース Python パッケージを使用できます。

コンピューティング インスタンス、Jupyter Notebook、Azure Machine Learning for Visual Studio Code (VS Code) 拡張機能などの豊富なツールも利用できます。 MACHINE Learning for VS Code 拡張機能は無料の拡張機能であり、VS Code でリソースとモデル トレーニング ワークフローとデプロイを管理できます。 Machine Learning には、モデルの生成とチューニングを簡単、効率、および精度で自動化する機能が含まれています。

クラウド規模での機械学習のための Python SDK、Jupyter ノートブック、R、および CLI を使用します。 ローコードまたはコードなしのオプションが必要な場合は、Studio で デザイナー を使用します。 Designer は、事前構築済みの機械学習アルゴリズムを使用して、モデルを簡単かつ迅速に構築、テスト、デプロイするのに役立ちます。 さらに、Machine Learning を Azure DevOps および GitHub Actions と統合して、機械学習モデルの継続的インテグレーションと継続的デプロイ (CI/CD) を行うことができます。

Machine Learning 機能 説明
タイプ クラウドベースの機械学習ソリューション
サポートされている言語 - パイソン
- R
機械学習のフェーズ - データの準備
- モデル トレーニング
-配備
- MLOps または管理
- 責任ある AI
主な利点 - コード優先 (SDK) と Studio およびドラッグ アンド ドロップ デザイナーの Web インターフェイス作成オプション
- スクリプトと実行履歴の一元管理により、モデルのバージョンを簡単に比較できます
- クラウドまたはエッジ デバイスへのモデルの簡単なデプロイと管理
- 機械学習モデルのスケーラブルなトレーニング、デプロイ、管理
考慮事項 モデル管理モデルに関する知識が必要です。

Azure AI サービス

AI サービス は、開発者や組織がインテリジェントで市場に対応したアプリケーションを迅速に作成するのに役立つ、事前構築済みの API の包括的なスイートです。 これらのサービスは、すぐに使用できるカスタマイズ可能な API と SDK を提供します。これにより、アプリは最小限のコードでユーザーのニーズを表示、聞き取り、話し、理解し、解釈できます。 これらの機能により、モデルをトレーニングするためのデータセットやデータ サイエンスの専門知識が不要になります。 次のようなインテリジェントな機能をアプリに追加できます。

AI サービスを使用して、デバイスとプラットフォーム間でアプリを開発します。 API は継続的に改善され、簡単に設定できます。

AI サービス機能 説明
タイプ インテリジェントなアプリケーションを構築するための API
サポートされている言語 サービスに依存するさまざまなオプション。 標準オプションは、C#、Java、JavaScript、Python です。
機械学習のフェーズ 配置
主な利点 - REST API と SDK で利用できる事前トレーニング済みモデルを使用してインテリジェント なアプリケーションを構築する
- ビジョン、音声、言語、意思決定機能を備える自然なコミュニケーション方法にさまざまなモデルを使用する
- 機械学習やデータ サイエンスに関する専門知識は不要または最小限
- API はスケーラブルで柔軟です
- さまざまなモデルから選択できます

SQL 機械学習

SQL 機械学習 では、オンプレミスとクラウドの両方で、リレーショナル データに対する Python と R での統計分析、データ視覚化、予測分析を追加します。 現在のプラットフォームとツールは次のとおりです。

SQL 機械学習は、SQL のリレーショナル データに対する組み込みの AI および予測分析が必要な場合に使用します。

SQL 機械学習機能 説明
タイプ オンプレミスでのリレーショナル データの予測分析
サポートされている言語 -ニシキヘビ
- R
- SQL
機械学習のフェーズ - データの準備
- モデル トレーニング
-配備
主な利点 データベース関数に予測ロジックをカプセル化します。 このプロセスにより、データ層ロジックを簡単に含めることができます。
考慮事項 アプリケーションのデータ層として SQL データベースを使用することを前提としています。

Azure AI Foundry

Azure AI Foundry は、生成型 AI アプリケーションと Azure AI API を責任を持って開発およびデプロイするために使用できる統合プラットフォームです。 AI 機能の包括的なセット、簡素化されたユーザー インターフェイス、およびコード優先エクスペリエンスが提供されます。 これらの機能により、インテリジェント ソリューションを構築、テスト、デプロイ、管理するための包括的なプラットフォームになります。

Azure AI Foundry は、開発者やデータ サイエンティストが Azure AI オファリングを使用して、生成型 AI アプリケーションを効率的に作成してデプロイするのに役立ちます。 責任ある AI 開発を重視し、公平性、透明性、アカウンタビリティの原則を埋め込んでいます。 このプラットフォームには、バイアス検出、解釈可能性、プライバシー保護機械学習のためのツールが含まれています。 これらのツールは、AI モデルが強力で信頼でき、規制要件に準拠していることを確認するのに役立ちます。

Azure AI Foundry は、Microsoft Azure エコシステムの一環として、自然言語処理やコンピューター ビジョンなど、さまざまな AI と機械学習のニーズに対応する堅牢なツールとサービスを提供します。 他の Azure サービスとの統合により、シームレスなスケーラビリティとパフォーマンスが確保され、企業にとって理想的なオプションになります。

Azure AI Foundry ポータルは、共有ワークスペース、バージョン管理、統合開発環境などの機能を提供することで、コラボレーションとイノベーションを促進します。 一般的なオープンソースフレームワークとツールを統合することで、Azure AI Foundry は開発プロセスを加速させ、組織がイノベーションを推進し、競争の激しい AI 環境を先取りできるようにします。

Azure AI Foundry 機能 説明
タイプ AI 用の統合開発環境
サポートされている言語 Python と C#
機械学習のフェーズ - データの準備
- デプロイ (サービスとしてのモデル (MaaS))
主な利点 - さまざまな AI サービス間のコラボレーションとプロジェクト管理を容易にする
- AI モデルを構築、トレーニング、デプロイするための包括的なツールを提供します
- バイアス検出、解釈可能性、プライバシー保護機械学習のためのツールを提供することで、責任ある AI を強調する
- 一般的なオープンソースフレームワークやツールとの統合をサポート

Azure Machine Learning Studio

Azure Machine Learning Studio は、データに対する予測分析ソリューションの構築、テスト、デプロイを行うためのコラボレーション型のドラッグ アンド ドロップ ツールです。 データ サイエンティスト、データ エンジニア、ビジネス アナリスト向けに設計されています。 Machine Learning Studio では、データ準備、モデル トレーニング、評価のためのさまざまな機械学習アルゴリズムとツールがサポートされています。 また、対話型キャンバス上のデータセットとモジュールを接続するためのビジュアル インターフェイスも提供します。

Machine Learning Studio の機能 説明
タイプ 機械学習用の共同作業のドラッグ アンド ドロップ ツール
サポートされている言語 - パイソン
- R
- Scala
- Java (制限付きエクスペリエンス)
機械学習のフェーズ - データの準備
- モデル トレーニング
-配備
主な利点 - 機械学習モデルを構築するためのコーディングは必要ありません
- データ準備、モデルトレーニング、評価のための幅広い機械学習アルゴリズムとツールをサポート
- 対話型キャンバス上のデータセットとモジュールを接続するためのビジュアル インターフェイスを提供します
- 高度な機械学習タスクの Machine Learning との統合をサポート

Machine Learning Studio と Azure AI Foundry ポータルの包括的な比較については、 Azure AI Foundry ポータルまたは Machine Learning Studio を参照してください。 次の表は、それらの主な違いをまとめたものです。

カテゴリ 機能 Azure AI Foundry ポータル Machine Learning スタジオ
データ ストレージ ストレージ ソリューション いいえ はい (クラウド ファイルシステム、OneLake、Azure Storage)
データ準備 データ統合 はい (Azure Blob Storage、OneLake、Azure Data Lake Storage) はい (Azure ストレージ アカウントを使用したコピーとマウント)
開発 コード優先ツール はい (VS Code) はい (Notebooks、Jupyter、VS Code、R Studio)
言語 サポートされている言語 Python のみ Python、R、Scala、Java
トレーニング 自動機械学習 (AutoML) いいえ はい (回帰、分類、予測、CV、NLP)
コンピューティングターゲット トレーニング コンピューティング いいえ Spark クラスター、機械学習クラスター、Azure Arc
ジェネレーティブ AI 言語モデル カタログ はい (Azure OpenAI、Hugging Face、Meta) はい (Azure OpenAI、Hugging Face、Meta)
配置 リアルタイムおよびバッチ提供 リアルタイム (MaaS) バッチ エンドポイント、Azure Arc
ガバナンス 責任ある AI ツール いいえ はい (責任ある AI ダッシュボード)

Microsoft Fabric

Fabric は、組織が必要とするすべてのデータと分析ツールをまとめる、エンドツーエンドの統合された分析プラットフォームです。 さまざまなサービスとツールを統合して、データ エンジニア、データ サイエンティスト、ビジネス アナリストなど、データプロフェッショナルにシームレスなエクスペリエンスを提供します。 Fabric には、データ統合、データ エンジニアリング、データ ウェアハウス、データ サイエンス、リアルタイム分析、ビジネス インテリジェンスの機能が用意されています。

インジェストから分析情報までのデータ ライフサイクル全体を管理するための包括的なプラットフォームが必要な場合は、Fabric を使用します。

ファブリック機能 説明
タイプ 統合された分析プラットフォーム
サポートされている言語 - パイソン
- R
- SQL
- Scala
機械学習のフェーズ - データの準備
- モデル トレーニング
-配備
- リアルタイム分析
主な利点 - すべてのデータと分析のニーズに対応する統合プラットフォーム
- 他の Microsoft サービスとのシームレスな統合
- スケーラブルで柔軟
- さまざまなデータおよび分析ツールをサポート
- 組織内のさまざまなロール間のコラボレーションを容易にする
- インジェストから分析情報まで、エンドツーエンドのデータ ライフサイクル管理
- リアルタイム分析とビジネス インテリジェンス機能
- 機械学習モデルのトレーニングとデプロイのサポート
- 一般的な機械学習フレームワークとツールとの統合
- データ準備と特徴エンジニアリングのためのツール
- リアルタイムの機械学習の推論と分析

Azure Data Science Virtual Machine

Azure Data Science Virtual Machine は、Microsoft Azure クラウド上のカスタマイズされた VM 環境です。 Windows と Linux の両方の Ubuntu のバージョンで使用できます。 この環境は、データ サイエンス タスクと機械学習ソリューション開発専用です。 高度な分析のためのインテリジェント なアプリケーションの構築をすぐに開始できるように、プレインストールおよび事前構成された多くの一般的なデータ サイエンス関数、機械学習フレームワーク、およびその他のツールがあります。

単一のノードでジョブを実行またはホストする必要がある場合、または 1 台のコンピューターで処理をリモートでスケールアップする必要がある場合は、Data Science VM を使用します。

Azure Data Science Virtual Machine の機能 説明
タイプ データ サイエンス用にカスタマイズされた VM 環境
主な利点 - データ サイエンス ツールとフレームワークのインストール、管理、トラブルシューティングにかかる時間を短縮
- 一般的に使用されるツールとフレームワークの最新バージョンが含まれています
- 高度にスケーラブルなイメージとグラフィックス処理装置 (GPU) 機能を備え、集中的なデータ モデリングを実現
考慮事項 - VM がオフラインの場合はアクセスできません。
- VM を実行すると Azure の料金が発生するため、必要なときにのみ実行されるようにする必要があります。

Azure Databricks

Azure Databricks は、Microsoft Azure クラウド プラットフォーム用に最適化された Apache Spark ベースの分析プラットフォームです。 Azure Databricks は Azure と統合されており、ワンクリックでのセットアップ、合理化されたワークフロー、データ サイエンティスト、データ エンジニア、ビジネス アナリスト間のコラボレーションを可能にする対話型ワークスペースを提供します。 データのクエリ実行、視覚化、およびモデル化を行うには、Web ベースのノートブックで Python、R、Scala、および SQL コードを使用します。

Apache Spark での機械学習ソリューションの構築で共同作業を行う場合は、Azure Databricks を使用します。

Azure Databricks 機能 説明
タイプ Apache Spark ベースの分析プラットフォーム
サポートされている言語 - パイソン
- R
- Scala
- SQL
機械学習のフェーズ - データの準備
- データの前処理
- モデル トレーニング
- モデル チューニング
- モデル推論
-管理
-配備
主な利点 - ワンクリックでセットアップし、ワークフローを合理化して使いやすい
- コラボレーション用の対話型ワークスペース
- Azure とのシームレスな統合
- 大規模なデータセットと集中的な計算を処理するためのスケーラビリティ
- さまざまな言語のサポートと一般的なツールとの統合

ML.NET

ML.NET は、オープンソースのクロスプラットフォーム機械学習フレームワークです。 ML.NET を使用してカスタム機械学習ソリューションを構築し、それらを .NET アプリケーションに統合します。 ML.NET では、機械学習モデルとディープ ラーニング モデルのトレーニングとスコア付けのために、TensorFlow や ONNX などの一般的なフレームワークとのさまざまなレベルの相互運用性が提供されます。 画像分類モデルのトレーニングなどのリソースを集中的に使用するタスクでは、Azure を使用してクラウドでモデルをトレーニングできます。

ML.NET は、機械学習ソリューションを .NET アプリケーションに統合する場合に使用します。 コード ファーストのエクスペリエンス向け API か、わずかなコードしか使用しないエクスペリエンス向け Model Builder または CLI を選択します。

ML.NET 機能 説明
タイプ .NET を使用してカスタム機械学習アプリケーションを開発するためのオープンソースのクロスプラットフォーム フレームワーク
サポートされている言語 - C#
- F#
機械学習のフェーズ - データの準備
-訓練
-配備
主な利点 - データ サイエンスや機械学習エクスペリエンスの要件なし
- Visual Studio や VS Code などの使い慣れた言語とツール
- .NET が実行されるアプリケーションをデプロイします
- 拡張可能でスケーラブルな設計
- ローカル優先体験
- 自動機械学習タスクの AutoML

Windows アプリのための AI

Ai for Windows アプリを使用して WINDOWS アプリケーションに AI 機能を統合する WinML と DirectML の機能を使用して、ローカルのリアルタイム AI モデルの評価とハードウェア アクセラレーションを提供します。 WinML を使用すると、開発者はトレーニング済みの機械学習モデルを Windows アプリケーションに直接統合できます。 これにより、モデルのローカルリアルタイム評価が容易になり、クラウド接続を必要とせずに強力な AI 機能が可能になります。

DirectML は、機械学習モデルを実行するための高パフォーマンスのハードウェアアクセラレータプラットフォームです。 DirectX API を使用して、GPU や AI アクセラレータなど、さまざまなハードウェアで最適化されたパフォーマンスを提供します。

Windows アプリケーション内でトレーニング済みの機械学習モデルを使用する場合は、Windows アプリに AI を使用します。

Windows アプリの AI 機能 説明
タイプ Windows デバイスでのトレーニング済みモデルの推論エンジン
サポートされている言語 - C#/C++
- JavaScript
機械学習のフェーズ - データの準備
- モデル トレーニング
-配備
主な利点 - ローカルのリアルタイム AI モデル評価
- CPU、GPU、AI アクセラレータなど、さまざまなハードウェアの種類にわたる高パフォーマンスの AI 処理
- Windows ハードウェア全体で一貫した動作とパフォーマンス

SynapseML（シナプスML）

以前は MMLSpark と呼ばれる SynapseML は、非常にスケーラブルな機械学習パイプラインの作成を簡略化するオープンソース ライブラリです。 SynapseML には、テキスト分析、ビジョン、異常検出など、さまざまな機械学習タスク用の API が用意されています。 SynapseML は Apache Spark 分散コンピューティング フレームワーク上に構築され、SparkML および MLlib ライブラリと同じ API を共有するため、SynapseML モデルを既存の Apache Spark ワークフローにシームレスに埋め込むことができます。

SynapseML では、ディープ ラーニングとデータ サイエンスのための多くのツールが Spark エコシステムに追加されます。これには Spark Machine Learning パイプラインと Light Gradient Boosting Machine (LightGBM)、Local Interpretable Model-Agnostic Explanations、OpenCV のシームレスな統合などが含まれます。 これらのツールを使用して、 Azure Databricks や Azure Cosmos DB などの任意の Spark クラスターで強力な予測モデルを作成できます。

SynapseML は、Spark エコシステムにネットワーク機能も提供します。 HTTP on Spark プロジェクトでは、ユーザーは任意の Web サービスを SparkML モデルに埋め込むことができます。 さらに、SynapseML には、 大規模な AI サービス を調整するための使いやすいツールが用意されています。 運用環境レベルのデプロイでは、Spark サービス プロジェクトを使用すると、Spark クラスターによってサポートされる高スループットとミリ秒未満の待機時間の Web サービスが可能になります。

SynapseML 機能 説明
タイプ Apache Spark 用のオープンソースで分散型の機械学習およびマイクロサービス フレームワーク
サポートされている言語 - Scala
-ジャワ
- パイソン
- R
-。網
機械学習のフェーズ - データの準備
- モデル トレーニング
-配備
主な利点 - スケーラビリティ
- ストリーミングとサービスの互換性
耐障害性が高い
考慮事項 Apache Spark が必要

寄稿者

この記事は、Microsoft によって保守されています。 当初の寄稿者は以下のとおりです。

主要な著者:

  • Mahdi Setayesh | プリンシパル ソフトウェア エンジニア

非公開の LinkedIn プロファイルを表示するには、LinkedIn にサインインします。

次のステップ