Azure Stream Analytics: Echtzeitbewertung mit benutzerdefinierten Machine Learning-Modellen

Azure Stream Analytics unterstützt jetzt die leistungsstarke Echtzeitbewertung anhand benutzerdefinierter, bereits trainierter Machine Learning-Modelle, die von Azure Machine Learning Service verwaltet und in Azure Kubernetes Service (AKS) oder Azure Container Instances (ACI) gehostet werden. Dabei wird ein Workflow verwendet, für den die Benutzer keinen Code schreiben müssen. Sie können mit jeder beliebigen gängigen Python-Bibliothek (z. B. Scikit-learn, PyTorch und TensorFlow) benutzerdefinierte Modelle erstellen und diese in Umgebungen wie Azure Databricks, Azure Machine Learning Compute und HDInsight trainieren. Sobald die Bereitstellung in AKS- oder ACI-Clustern erfolgt ist, können Sie Stream Analytics verwenden, um sämtliche Endpunkte innerhalb des Vorgangs zu ermitteln.

Registrieren Sie sich jetzt für eine private Vorschau dieses Features.