Rozwiązania sztucznej inteligencji na urządzeniach brzegowych — offline

Dzięki narzędziom sztucznej inteligencji i platformie w chmurze Azure możesz korzystać z nowej generacji hybrydowych aplikacji wykorzystujących sztuczną inteligencję, działających tam, gdzie znajdują się dane. Usługa Azure Stack przenosi wyszkolone modele sztucznej inteligencji na urządzenia brzegowe i integruje je z aplikacjami, umożliwiając wykonywanie analiz z małymi opóźnieniami, bez konieczności wprowadzania żadnych zmian w narzędziach lub procesach aplikacji lokalnych. Dzięki usłudze Azure Stack masz pewność, że Twoje rozwiązania w chmurze działają nawet wtedy, gdy nie masz połączenia z Internetem.

Rozwiązania sztucznej inteligencji na urządzeniach brzegowych — offlineDzięki narzędziom sztucznej inteligencji i platformie w chmurze Azure możesz korzystać z nowej generacji hybrydowych aplikacji wykorzystujących sztuczną inteligencję, działających tam, gdzie znajdują się dane. Usługa Azure Stack przenosi wyszkolone modele sztucznej inteligencji na urządzenia brzegowe i integruje je z aplikacjami, umożliwiając wykonywanie analiz z małymi opóźnieniami, bez konieczności wprowadzania żadnych zmian w narzędziach lub procesach aplikacji lokalnych. Dzięki usłudze Azure Stack masz pewność, że Twoje rozwiązania w chmurze działają nawet wtedy, gdy nie masz połączenia z Internetem.654321

Analitycy danych szkolą model, korzystając z usługi Azure Machine Learning oraz klastra usługi HDInsight. Model jest konteneryzowany i umieszczany w usłudze Azure Container Registry.

Model jest wdrażany za pomocą instalatora offline w klastrze Kubernetes usługi Azure Stack.

Użytkownicy końcowi dostarczają dane, które są oceniane pod kątem tego modelu.

Szczegółowe informacje i anomalie uzyskane w trakcie oceny są umieszczane w magazynie do późniejszego przekazania.

Globalnie istotne i zgodne informacje są dostępne w aplikacji globalnej.

Modele są ulepszane na podstawie danych pochodzących z oceny na urządzeniach brzegowych.

  1. 1 Analitycy danych szkolą model, korzystając z usługi Azure Machine Learning oraz klastra usługi HDInsight. Model jest konteneryzowany i umieszczany w usłudze Azure Container Registry.
  2. 2 Model jest wdrażany za pomocą instalatora offline w klastrze Kubernetes usługi Azure Stack.
  3. 3 Użytkownicy końcowi dostarczają dane, które są oceniane pod kątem tego modelu.
  1. 4 Szczegółowe informacje i anomalie uzyskane w trakcie oceny są umieszczane w magazynie do późniejszego przekazania.
  2. 5 Globalnie istotne i zgodne informacje są dostępne w aplikacji globalnej.
  3. 6 Modele są ulepszane na podstawie danych pochodzących z oceny na urządzeniach brzegowych.

Wytyczne dotyczące implementacji

Produkty/opis Dokumentacja

HDInsight

Aprowizacja usługi Hadoop w chmurze, platformy Spark, programu R Server, bazy danych HBase i klastrów systemu Storm

Machine Learning Studio

Łatwe tworzenie i wdrażanie rozwiązań do analiz predykcyjnych oraz zarządzanie nimi

Virtual Machines

Aprowizacja maszyn wirtualnych z systemami Windows i Linux w kilka sekund

Azure Kubernetes Service (AKS)

Uproszczenie wdrażania i obsługi platformy Kubernetes oraz zarządzania nią

Storage

Niezawodny magazyn danych w chmurze o wysokim stopniu dostępności i skalowalności

Azure Stack

Twórz i uruchamiaj innowacyjne aplikacje hybrydowe poza granicami chmury