Inteligencia artificial en el perímetro: desconectado

Con las herramientas de inteligencia artificial de Azure y la plataforma en la nube, la próxima generación de aplicaciones híbridas habilitadas para inteligencia artificial puede ejecutarse donde residen los datos. Con Azure Stack, lleve un modelo de inteligencia artificial entrenado al perímetro e intégrelo con sus aplicaciones para inteligencia de baja latencia, sin herramientas ni cambios de proceso para las aplicaciones locales. Con Azure Stack, puede asegurarse de que las soluciones en la nube funcionan incluso cuando están desconectadas de Internet.

Inteligencia artificial en el perímetro: desconectadoCon las herramientas de inteligencia artificial de Azure y la plataforma en la nube, la próxima generación de aplicaciones híbridas habilitadas para inteligencia artificial puede ejecutarse donde residen los datos. Con Azure Stack, lleve un modelo de inteligencia artificial entrenado al perímetro e intégrelo con sus aplicaciones para inteligencia de baja latencia, sin herramientas ni cambios de proceso para las aplicaciones locales. Con Azure Stack, puede asegurarse de que las soluciones en la nube funcionan incluso cuando están desconectadas de Internet.654321

Los científicos de datos entrenan un modelo utilizando Azure Machine Learning y un clúster de HDInsight. El modelo se incluye en un contenedor y se coloca en Azure Container Registry.

El modelo se implementa a través de un instalador sin conexión en un clúster de Kubernetes en Azure Stack.

Los usuarios finales proporcionan datos que se puntúan respecto al modelo.

Las conclusiones y anomalías de la puntuación se colocan en el almacenamiento para, posteriormente, cargarse.

Las conclusiones compatibles y globalmente pertinentes están disponibles en la aplicación global.

Los datos de la puntuación perimetral se utilizan para mejorar el modelo.

  1. 1 Los científicos de datos entrenan un modelo utilizando Azure Machine Learning y un clúster de HDInsight. El modelo se incluye en un contenedor y se coloca en Azure Container Registry.
  2. 2 El modelo se implementa a través de un instalador sin conexión en un clúster de Kubernetes en Azure Stack.
  3. 3 Los usuarios finales proporcionan datos que se puntúan respecto al modelo.
  1. 4 Las conclusiones y anomalías de la puntuación se colocan en el almacenamiento para, posteriormente, cargarse.
  2. 5 Las conclusiones compatibles y globalmente pertinentes están disponibles en la aplicación global.
  3. 6 Los datos de la puntuación perimetral se utilizan para mejorar el modelo.

Guía sobre la implementación

Productos/descripción Documentación

HDInsight

Aprovisione clústeres de Hadoop, Spark, R Server, HBase y Storm en la nube

Machine Learning Studio

Cree, implemente y administre fácilmente soluciones de análisis predictivo

Máquinas virtuales

Aprovisione las máquinas virtuales de Windows y Linux en segundos

Azure Kubernetes Service (AKS)

Simplifique la implementación, la administración y las operaciones de Kubernetes

Storage

Almacenamiento en la nube duradero, de alta disponibilidad y escalable a gran escala

Azure Stack

Dé rienda suelta a la innovación con aplicaciones de nube híbrida