Intelligence artificielle à la périphérie hors connexion

Grâce aux outils d’intelligence artificielle et à la plateforme cloud Azure, les applications hybrides de nouvelle génération utilisant l’intelligence artificielle peuvent s’exécuter là où vos données résident. Azure Stack vous permet d’apporter un modèle d’intelligence artificielle formé à la périphérie et de l’intégrer avec vos applications afin de disposer d’une intelligence à faible latence, sans nécessité de modifier des outils ou des processus pour les applications locales. Avec Azure Stack, vous pouvez vous assurer que vos solutions cloud fonctionnent même si elles sont déconnectées d’Internet.

Intelligence artificielle à la périphérie hors connexionGrâce aux outils d’intelligence artificielle et à la plateforme cloud Azure, les applications hybrides de nouvelle génération utilisant l’intelligence artificielle peuvent s’exécuter là où vos données résident. Azure Stack vous permet d’apporter un modèle d’intelligence artificielle formé à la périphérie et de l’intégrer avec vos applications afin de disposer d’une intelligence à faible latence, sans nécessité de modifier des outils ou des processus pour les applications locales. Avec Azure Stack, vous pouvez vous assurer que vos solutions cloud fonctionnent même si elles sont déconnectées d’Internet.654321

Les scientifiques des données forment un modèle en utilisant Azure Machine Learning et un cluster HDInsight. Le modèle est conteneurisé et placé dans un Azure Container Registry.

Le modèle est déployé via un programme d’installation hors connexion vers un cluster Kubernetes sur Azure Stack.

Les utilisateurs finaux fournissent des données auxquelles des scores sont attribués par rapport au modèle.

Les informations (insights) et anomalies résultant du scoring sont placées dans un stockage en attente de leur chargement ultérieur.

Les insights pertinentes et conformes à l’échelle mondiale sont disponibles dans l’application globale.

Des données de scoring en périphérie sont utilisées pour améliorer le modèle.

  1. 1 Les scientifiques des données forment un modèle en utilisant Azure Machine Learning et un cluster HDInsight. Le modèle est conteneurisé et placé dans un Azure Container Registry.
  2. 2 Le modèle est déployé via un programme d’installation hors connexion vers un cluster Kubernetes sur Azure Stack.
  3. 3 Les utilisateurs finaux fournissent des données auxquelles des scores sont attribués par rapport au modèle.
  1. 4 Les informations (insights) et anomalies résultant du scoring sont placées dans un stockage en attente de leur chargement ultérieur.
  2. 5 Les insights pertinentes et conformes à l’échelle mondiale sont disponibles dans l’application globale.
  3. 6 Des données de scoring en périphérie sont utilisées pour améliorer le modèle.

Conseils sur l’implémentation

Produits/Description Documentation

HDInsight

Approvisionnez les groupements Hadoop, Spark, R Server, HBase et Storm dans le nuage

Machine Learning Studio

Créez, déployez et gérez facilement les solutions d’analytiques prédictives

Machines virtuelles

Approvisionnez des machines virtuelles Windows et Linux en quelques secondes

Service Azure Kubernetes (AKS)

Simplifiez le déploiement, la gestion et les opérations de Kubernetes

Stockage

Stockage dans le cloud, durable, hautement disponible et scalable

Azure Stack

Ouvrez la voie à l’innovation grâce à des applications infonuagiques hybrides