Microsoft 机器学习产品体系对比和介绍

本文将比较这些产品，并帮助你选择所需的产品，以便最有效地开发机器学习解决方案。

机器学习产品	描述	作用
Azure云端服务
Azure 机器学习服务	适用于机器学习的托管云服务	使用 Python 和 CLI 在 Azure 中训练、部署和管理模型
Azure 机器学习工作室	机器学习的拖放式可视界面	使用预配置的算法生成、试验和部署模型
Azure Databricks	基于 Spark 的分析平台	生成和部署模型与数据工作流
Azure 认知服务	包含预生成 AI 和机器学习模型的 Azure 服务	轻松将智能功能轻松添加到应用中
Azure Data Science Virtual Machine	预装了数据科学工具的虚拟机	在预配置的环境中开发机器学习解决方案
本地服务
SQL Server 机器学习服务	SQL 中嵌入的分析引擎	在 SQL Server 内部生成和部署模型
Microsoft Machine Learning Server	用于预测分析的独立企业服务器	使用 R 和 Python 生成与部署模型
开发人员工具
ML.NET	开源跨平台机器学习 SDK	开发适用于 .NET 应用程序的机器学习解决方案
Windows ML	Windows 10 机器学习平台	在 Windows 10 设备上评估已训练的模型

Azure 机器学习服务包含可以轻松、高效和准确地自动化模型生成和优化的功能。

在 Azure 机器学习服务中可以使用 Python 和 CLI 以云的规模训练、部署和管理机器学习模型。

无需任何编程 - 在交互式画布上连接数据集和分析模块，然后按几个鼠标将其部署，即可构造机器学习模型。

希望在不编写任何代码的情况下开发和部署模型时，可以使用机器学习工作室。

在基于 Web 的 Notebook 中使用 Python、R、Scala 和 SQL 代码可以查询、可视化数据以及为其建模。

想要在 Apache Spark 中协作生成机器学习解决方案时，可以使用 Databricks。

将智能功能轻松添加到应用，例如：

API 不断改进，且易于设置。

支持将 Data Science Virtual Machine 用作 Azure 机器学习服务的目标。

或者，需要在单个计算机上远程提高处理能力时，也可以使用它。

Microsoft 提供的 R 和 Python 库包括高级建模与机器学习算法，可在 SQL Server 中大规模并行运行。

需要对 SQL Server 中的关系数据使用内置 AI 和预测分析时，可以使用 SQL Server 机器学习服务。

针对 Visual Studio 的 Python 工具等 IDE。

需要在服务器上使用 R 和 Python 生成与操作化模型时，或者需要在 Hadoop 或 Spark 群集上大规模分配 R 和 Python 训练工作负荷时，可以使用 Microsoft Machine Learning Server。

ML.NET 是免费的开源跨平台机器学习框架，可用于生成自定义机器学习解决方案并将其集成到 .NET 应用程序中。

想要将机器学习解决方案集成到 .NET 应用程序时，可以使用 ML.NET。

Windows ML 可让你使用应用程序中已训练的机器学习模型，在 Windows 10 设备本地评估训练的模型。

想要在 Windows 应用程序中使用训练的机器学习模型时，可以使用 Windows ML。