KI am Edge – ohne Verbindung

Mit den KI-Tools und der Cloudplattform von Azure kann die nächste Generation von KI-fähigen Hybridanwendungen dort ausgeführt werden, wo sich Ihre Daten befinden. Übertragen Sie mit Azure Stack ein trainiertes KI-Modell zum Edge, und integrieren Sie es in Ihre Anwendungen, um Intelligenz mit geringer Latenz und ohne Tool- oder Verfahrensänderungen für lokale Anwendungen zu erreichen. Mit Azure Stack können Sie sicherstellen, dass Ihre Cloudlösungen auch dann funktionieren, wenn keine Verbindung mit dem Internet besteht.

KI am Edge – ohne VerbindungMit den KI-Tools und der Cloudplattform von Azure kann die nächste Generation von KI-fähigen Hybridanwendungen dort ausgeführt werden, wo sich Ihre Daten befinden. Übertragen Sie mit Azure Stack ein trainiertes KI-Modell zum Edge, und integrieren Sie es in Ihre Anwendungen, um Intelligenz mit geringer Latenz und ohne Tool- oder Verfahrensänderungen für lokale Anwendungen zu erreichen. Mit Azure Stack können Sie sicherstellen, dass Ihre Cloudlösungen auch dann funktionieren, wenn keine Verbindung mit dem Internet besteht.654321

Datenexperten trainieren ein Modell mit Azure Machine Learning und einem HDInsight-Cluster. Das Modell wird in einem Container gespeichert und in einer Azure Container Registry-Instanz abgelegt.

Das Modell wird über einen Offlineinstaller in einem Kubernetes-Cluster in Azure Stack bereitgestellt.

Endbenutzer liefern Daten, die im Modell gespeichert werden.

Einblicke und Anomalien aus der Bewertung werden für das spätere Hochladen gespeichert.

Global relevante und konforme Einblicke sind in der globalen App verfügbar.

Die Daten von der Edgebewertung werden zum Verbessern des Modells genutzt.

  1. 1 Datenexperten trainieren ein Modell mit Azure Machine Learning und einem HDInsight-Cluster. Das Modell wird in einem Container gespeichert und in einer Azure Container Registry-Instanz abgelegt.
  2. 2 Das Modell wird über einen Offlineinstaller in einem Kubernetes-Cluster in Azure Stack bereitgestellt.
  3. 3 Endbenutzer liefern Daten, die im Modell gespeichert werden.
  1. 4 Einblicke und Anomalien aus der Bewertung werden für das spätere Hochladen gespeichert.
  2. 5 Global relevante und konforme Einblicke sind in der globalen App verfügbar.
  3. 6 Die Daten von der Edgebewertung werden zum Verbessern des Modells genutzt.

Implementierungsleitfaden

Produkte/Beschreibung Dokumentation

HDInsight

Cloudbasierte Hadoop-, Spark-, R Server-, HBase- und Storm-Cluster bereitstellen

Machine Learning Studio

Einfach Predictive Analytics-Lösungen erstellen, bereitstellen und verwalten

Virtual Machines

Virtuelle Windows- und Linux-Computer in Sekundenschnelle bereitstellen

Azure Kubernetes Service (AKS)

Bereitstellung, Verwaltung und Betrieb von Kubernetes vereinfachen

Storage

Dauerhafter, hoch verfügbarer und in hohem Maße skalierbarer Cloudspeicher

Azure Stack

Mit hybriden Cloudanwendungen von Innovationen profitieren