AI på grænseenheder – uden forbindelse

Med Azure AI-værktøjerne og -cloudplatformen kan den næste generation af AI-aktiverede hybridprogrammer køre, der hvor dine data findes. Brug Azure Stack til at udrulle en trænet AI-model til grænseenhederne og integrere den med dine programmer. På den måde får du hurtigt leveret BI, uden at værktøjer eller processer skal ændres for de lokale programmer. Med Azure Stack kan du sikre dig, at dine cloudløsninger virker, selvom der ikke er forbindelse til internettet.

AI på grænseenheder – uden forbindelseMed Azure AI-værktøjerne og -cloudplatformen kan den næste generation af AI-aktiverede hybridprogrammer køre, der hvor dine data findes. Brug Azure Stack til at udrulle en trænet AI-model til grænseenhederne og integrere den med dine programmer. På den måde får du hurtigt leveret BI, uden at værktøjer eller processer skal ændres for de lokale programmer. Med Azure Stack kan du sikre dig, at dine cloudløsninger virker, selvom der ikke er forbindelse til internettet.654321

Dataforskere træner en model ved hjælp af Azure Machine Learning og en HDInsight-klynge. Modellen opdeles i objektbeholdere og placeres i et Azure Container Registry.

Modellen udrulles via et offlineinstallationsprogram til en Kubernetes-klynge i Azure Stack.

Slutbrugere angiver data, som pointgives i forhold til modellen.

Indsigt og afvigelser fra pointgivningen lagres, så de kan uploades på et senere tidspunkt.

Indsigt, som overholder angivne standarder og er globalt relevant, er tilgængelig i den globale app.

Pointgivning af data fra grænseenheder bruges til at forbedre modellen.

  1. 1 Dataforskere træner en model ved hjælp af Azure Machine Learning og en HDInsight-klynge. Modellen opdeles i objektbeholdere og placeres i et Azure Container Registry.
  2. 2 Modellen udrulles via et offlineinstallationsprogram til en Kubernetes-klynge i Azure Stack.
  3. 3 Slutbrugere angiver data, som pointgives i forhold til modellen.
  1. 4 Indsigt og afvigelser fra pointgivningen lagres, så de kan uploades på et senere tidspunkt.
  2. 5 Indsigt, som overholder angivne standarder og er globalt relevant, er tilgængelig i den globale app.
  3. 6 Pointgivning af data fra grænseenheder bruges til at forbedre modellen.

Implementeringsvejledning

Produkter/beskrivelse Dokumentation

HDInsight

Klargør Hadoop-, Spark-, R Server-, HBase- og Storm-klynger i clouden

Machine Learning Studio

Byg, udrul og administrer let forudsigende analyseløsninger

Virtual Machines

Klargør virtuelle Windows- og Linux-maskiner på få sekunder

Azure Kubernetes Service (AKS)

Gør udvikling, administration og drift af Kubernetes enklere

Storage

Holdbart, yderst tilgængeligt og skalerbart cloudlager

Azure Stack

Giv plads til innovation med hybride cloudprogrammer