ЧАСТЬ 1. Облачные концепции и архитектура Azure
Добро пожаловать в мир искусственного интеллекта (ИИ) и Azure. Прежде всего, давайте разберемся, что такое облачные вычисления. Проще говоря, облачные вычисления — это предоставление вычислительных услуг по запросу через Интернет вместо того, чтобы локальные серверы или персональные устройства обрабатывали приложения. Это предлагает гибкие ресурсы, экономию за счет масштаба и устраняет необходимость крупных инвестиций в аппаратное и программное обеспечение.
Существует несколько типов облачных сервисов: инфраструктура как услуга (IaaS), платформа как услуга (PaaS) и программное обеспечение как услуга (SaaS). IaaS позволяет арендовать ИТ-инфраструктуру — серверы и виртуальные машины, хранилища, сети, операционные системы. PaaS предоставляет разработчикам среду для создания, тестирования и развертывания программного обеспечения. SaaS использует Интернет для доставки приложений, которыми управляет сторонний поставщик.
Двигаясь дальше, Azure предоставляет услуги по всему миру, которые разделены на «регионы». Регион — это набор центров обработки данных, развернутых в пределах периметра с определенной задержкой и подключенных через выделенную региональную сеть с низкой задержкой. Пары регионов и суверенные регионы предоставляют дополнительные возможности для избыточности данных, аварийного переключения и соответствия требованиям.
Ресурсы Azure — это экземпляры создаваемых вами служб, таких как виртуальные машины (ВМ), хранилище или базы данных SQL. Для логической организации этих ресурсов Azure использует «группы ресурсов» — контейнер, в котором хранятся связанные ресурсы для решения Azure.
Давайте поговорим о Azure Compute и сетевых службах. Вычислительные службы обеспечивают вычислительную мощность, которая может быть либо автономными виртуальными машинами (виртуальными машинами Azure), либо службами приложений для размещения веб-сайтов, либо контейнерными службами, такими как служба Azure Kubernetes (AKS). Сеть в Azure отвечает за обеспечение безопасной и надежной связи между ресурсами, независимо от того, находятся ли они в Azure, локально или распределены по нескольким регионам.
Службы хранилища Azure предоставляют масштабируемое облачное хранилище для ваших данных. Это может быть хранилище BLOB-объектов для неструктурированных данных, хранилище очередей для надежного обмена сообщениями между компонентами приложения, хранилище файлов для файловых ресурсов в облаке и дисковое хранилище для высокопроизводительного и надежного блочного хранилища для виртуальных машин Azure.
Наконец, Azure Identity, Access и Security имеют решающее значение для защиты ваших приложений и данных в облаке. Azure Active Directory (Azure AD) предоставляет службы управления идентификацией и доступом. Центр безопасности Azure помогает вам предотвращать, обнаруживать и реагировать на угрозы с улучшенной видимостью и контролем над безопасностью ваших ресурсов Azure.
Облачные вычисления и архитектура Azure — это ступеньки на пути к разработке ИИ для Azure. Понимание этих основ сделает вашу работу с AI и Power Platform более эффективной и результативной.
ЧАСТЬ 2. Управление и управление Azure
Добро пожаловать на нашу заключительную сессию, на которой мы рассмотрим управление и управление Azure — важнейшие аспекты любого развертывания Azure.
Начиная с управления затратами в Azure, это помогает предотвратить перерасход и оптимизировать использование ресурсов. Azure предлагает несколько инструментов, таких как служба управления затратами и выставления счетов, для мониторинга, распределения и оптимизации затрат. Это включает в себя понимание вашего счета, изучение и анализ затрат, создание бюджетов, экспорт данных и даже получение рекомендаций о том, как сократить расходы.
Кроме того, в Azure есть несколько инструментов для управления и обеспечения соответствия требованиям. Политика Azure помогает обеспечить соблюдение организационных стандартов и оценить соответствие требованиям в любом масштабе. Azure Blueprints обеспечивает быстрое повторяемое создание управляемых сред Azure. Диспетчер соответствия разработан, чтобы помочь вам управлять состоянием соответствия с подробным представлением ваших обязанностей.
Управление ресурсами Azure и их развертывание — важный навык для специалиста по Azure. Здесь вы будете использовать такие службы, как Azure Resource Manager, который является службой развертывания и управления для Azure. Он обеспечивает согласованный уровень управления для создания, обновления и удаления ресурсов в вашей подписке Azure. Вы узнаете, как организовывать ресурсы, обеспечивать соблюдение стандартов и применять ограничения затрат, одновременно автоматизируя лучшие практики.
Кроме того, у нас есть средства мониторинга в Azure, необходимые для поддержания работоспособности, доступности и производительности ваших приложений и служб. Azure Monitor собирает, анализирует и обрабатывает данные телеметрии из вашей среды Azure и локальной среды. Log Analytics позволяет запрашивать и просматривать данные журналов, Application Insights — для мониторинга производительности приложений, а Azure Service Health уведомляет вас об инцидентах службы Azure.
Наконец, Azure Advisor, Azure Service Health и Azure Monitor — это три доступных вам инструмента для улучшения развертывания Azure. Помощник по Azure похож на вашего персонального консультанта по облачным технологиям — он помогает вам следовать рекомендациям по оптимизации развертываний Azure. Azure Service Health предоставляет рекомендации, когда проблемы со службой Azure затрагивают вас, а Azure Monitor максимизирует производительность и доступность и заблаговременно выявляет проблемы за считанные секунды.
ЧАСТЬ 3: Введение в искусственный интеллект
Для тех из вас, кто не знаком с этим термином, ИИ относится к моделированию процессов человеческого интеллекта машинами, особенно компьютерными системами. Эти процессы включают обучение, рассуждение, самокоррекцию, восприятие и понимание языка. Платформа Microsoft Azure имеет обширные инструменты и сервисы для создания и реализации моделей ИИ.
Существует несколько распространенных рабочих нагрузок ИИ. Во-первых, обнаружение аномалий используется для выявления необычных точек данных в наборе данных. Эти выбросы могут указывать, например, на мошенническую деятельность или сбой системы.
Затем у нас есть компьютерное зрение, которое помогает машинам видеть, идентифицировать и обрабатывать изображения так же, как это делает человеческое зрение, а затем выдавать соответствующий результат.
Обработка естественного языка, или НЛП, — это увлекательная область ИИ, которая занимается взаимодействием между компьютерами и человеческими языками. Это позволяет компьютерам понимать, интерпретировать и генерировать человеческие языки, делая их более естественными и полезными интерфейсами.
Интеллектуальный анализ, с другой стороны, — это служба искусственного интеллекта в Azure, которая раскрывает скрытую информацию из всего вашего контента. Он использует способность ИИ анализировать большие объемы структурированных и неструктурированных данных.
Разработка решений ИИ включает в себя набор руководящих принципов ответственного использования ИИ. Эти принципы включают справедливость, означающую, что системы ИИ должны одинаково относиться ко всем людям или группам. Надежность и безопасность требуют, чтобы системы искусственного интеллекта работали надежно и безопасно в широком диапазоне условий. Конфиденциальность и безопасность подчеркивают важность защиты личных данных. Инклюзивность гарантирует, что системы ИИ должны расширять возможности каждого и привлекать людей. Прозрачность подразумевает, что системы ИИ должны быть понятными, а подотчетность утверждает, что те, кто создает и использует системы ИИ, несут ответственность за то, как работают их системы.
ЧАСТЬ 4. Машинное обучение Azure и приложения ИИ
Получив четкое представление об искусственном интеллекте и Azure, мы теперь можем сосредоточиться на машинном обучении Azure и приложениях искусственного интеллекта.
Машинное обучение Azure — это важная услуга, предлагаемая Microsoft Azure. Это облачная среда, которую вы можете использовать для обучения, развертывания, автоматизации, управления и отслеживания моделей машинного обучения.
Само машинное обучение относится к типу ИИ, при котором компьютерные системы могут улучшить свою производительность и способность принимать решения с опытом без явного программирования. Он использует алгоритмы для построения математических моделей на основе выборочных данных или «обучающих данных», чтобы делать прогнозы или принимать решения.
Машинное обучение можно разделить на несколько типов. В регрессии мы стремимся прогнозировать результаты на основе непрерывного диапазона данных. Между тем классификация включает в себя прогнозирование категории или класса заданных точек данных. Кластеризация — это группировка набора объектов таким образом, что объекты в одной группе более похожи друг на друга, чем в других группах.
Важнейшим инструментом здесь является Azure Machine Learning Studio. Он предоставляет визуальный интерфейс для создания, тестирования и развертывания моделей машинного обучения. Он состоит из двух основных служб: автоматизированного машинного обучения и конструктора машинного обучения Azure. Автоматизированное машинное обучение помогает определить наиболее подходящие алгоритмы и гиперпараметры для вашей модели машинного обучения. С другой стороны, Azure Machine Learning Designer позволяет создавать модели машинного обучения с помощью простого интерфейса перетаскивания.
ЧАСТЬ 5. Компьютерное зрение и обработка естественного языка (NLP) в Azure
Сегодня мы погрузимся в увлекательный мир компьютерного зрения и обработки естественного языка (NLP) в Azure. Это мощные ответвления ИИ, которые позволяют компьютерам видеть, анализировать и понимать изображения или естественный язык так же, как люди.
В области компьютерного зрения Azure предоставляет различные службы, помогающие интерпретировать и понимать содержимое изображений. Классификация изображений, например, помогает классифицировать изображения по предопределенным классам. Обнаружение объектов используется для идентификации конкретных объектов на изображении. Оптическое распознавание символов или OCR используется для идентификации и извлечения текста из изображений. Наконец, обнаружение и анализ лиц могут распознавать лица и их характеристики.
Переходя на NLP, Azure предоставляет множество решений, помогающих машинам понимать человеческий язык. Извлечение ключевых фраз, как следует из названия, заключается в извлечении ключевых фраз из фрагмента текста для понимания основных тем. Распознавание сущностей идентифицирует и классифицирует именованные сущности в тексте, такие как отдельные лица, организации или местоположения. Анализ тональности дает нам возможность идентифицировать и извлекать субъективную информацию, чтобы помочь определить тональность текста. Языковое моделирование использует вероятность для предсказания следующего слова или символа в последовательности, в то время как распознавание и синтез речи имеют дело с преобразованием устной речи в письменную форму и наоборот. Наконец, у нас есть услуги перевода, которые могут переводить текст с одного языка на другой.
Azure также предлагает решения для разговорного ИИ. К ним относятся боты и Power Virtual Agents — интерактивные программные объекты, предназначенные для общения с людьми на их естественном языке. Эти инструменты могут выполнять широкий спектр задач, от простых запросов до сложных диалогов, и могут быть развернуты на различных платформах, обеспечивая беспрепятственный и интерактивный пользовательский интерфейс.
Компьютерное зрение и НЛП — сложные, но интересные области, предлагающие множество возможностей для оптимизации процессов и улучшения взаимодействия с пользователем. По мере прохождения этого курса мы будем углубляться в каждую область, обеспечивая полное понимание того, как использовать эти мощные инструменты искусственного интеллекта в Azure. Оставайтесь с нами для более увлекательного обучения!
ЧАСТЬ 6: Решения для обработки изображений и видео
Azure предоставляет набор мощных инструментов для анализа изображений. Например, служба Azure Computer Vision использует ИИ для анализа и понимания содержимого изображения. Он способен генерировать описание изображения, идентифицировать объекты и людей и даже интерпретировать эмоции. Он также может идентифицировать известные ориентиры и определять, подходит ли изображение.
Однако изображения часто содержат текст, который мы можем захотеть извлечь. Именно здесь на помощь приходит оптическое распознавание символов (OCR) Azure. OCR — это технология, используемая для преобразования различных типов документов, таких как отсканированные бумажные документы, файлы PDF или изображения, снятые цифровой камерой, в редактируемые данные с возможностью поиска. Azure Read API в службе Computer Vision использует OCR для чтения печатного и рукописного текста с изображений и документов. Это невероятно удобно, когда вы хотите оцифровывать печатные документы, автоматизировать задачи ввода данных или индексировать большие объемы печатного текста.
Теперь поговорим о классификации изображений и обнаружении объектов внутри них. Классификация изображений — это процесс категоризации и маркировки изображений в один из ряда предопределенных классов. Между тем, обнаружение объектов включает в себя идентификацию определенных объектов на изображении. Обе задачи являются фундаментальными аспектами компьютерного зрения и имеют широкое применение, например, распознавание лиц, автономные транспортные средства и многое другое. Служба Custom Vision Service Azure позволяет создавать и улучшать собственные модели классификации изображений и обнаружения объектов.
Наконец, мы переходим к обработке видео. Видео — это, по сути, последовательность изображений, а это значит, что мы можем применить многие методы, которые мы используем для изображений, и к видео. Например, мы можем анализировать каждый кадр видео для обнаружения движения, распознавания лиц или отслеживания объектов. Но видео также добавляет измерение времени, которое мы можем использовать, чтобы понять действия, происходящие в видео, или предсказать будущие события. Azure Video Analyzer for Media — это мощный инструмент для таких задач, предлагающий такие аналитические сведения, как обнаружение движения, обнаружение лиц, суммирование видео и многое другое.
Помните, что эти сложные операции упрощаются с помощью набора сервисов Azure. Для их освоения требуется практика, но как только вы это сделаете, вы сможете легко извлекать огромное количество информации из изображений и видео.
ЧАСТЬ 7: Решения для обработки естественного языка
В нашей повседневной жизни мы обрабатываем язык, не задумываясь. Мы читаем текст, понимаем речь и легко общаемся с другими. Но для компьютера это сложная задача. НЛП — это область искусственного интеллекта, которая дает машинам возможность читать, понимать и извлекать смысл из человеческих языков.
Начнем с анализа текста. Azure Text Analytics — это облачная служба, которая обеспечивает расширенную обработку естественного языка по сравнению с необработанным текстом. Он включает в себя четыре основные функции: анализ настроений, извлечение ключевых фраз, распознавание именованных объектов и определение языка. Этот сервис позволяет понять настроение постов в социальных сетях, определить ключевые фразы и сущности в текстовых документах и даже определить язык текста.
А как насчет обработки речи? Речевая служба Azure, часть Azure Cognitive Services, является ответом. Он объединяет преобразование речи в текст, преобразование текста в речь и преобразование речи в единую подписку Azure. Это та же общепризнанная речевая технология, которая используется в Microsoft Office, Azure, Xbox и других приложениях. Он отлично подходит для преобразования устной речи в письменный текст (преобразование речи в текст), создания естественно звучащей речи из текста (преобразование текста в речь) и даже для перевода устной речи (перевод речи).
Говоря о переводе, Azure Translator, еще одна часть Cognitive Services, представляет собой облачную службу автоматического перевода, поддерживающую более 60 языков. Он отлично подходит для пакетного и реального времени перевода текста.
Теперь поговорим о понимании языка. Language Understanding, или LUIS, — это облачная служба для обеспечения понимания естественного языка в приложениях, ботах и устройствах IoT. Это позволяет вашему приложению понять, чего хочет человек своими словами. С помощью LUIS вы можете использовать уже существующие готовые модели мирового уровня или разрабатывать собственные модели с использованием пользовательских данных.
Наконец, мы коснемся концепции решения вопроса-ответа. Служба Azure QnA Maker — это облачная служба API, которая позволяет вам создавать диалоговый слой вопросов и ответов поверх существующих данных. Он отлично подходит для создания диалоговых ботов и более интерактивного и увлекательного общения с пользователями.
ЧАСТЬ 8: Решения для извлечения знаний и диалогового ИИ
Интеллектуальный анализ — это категория искусственного интеллекта в Azure, которая позволяет легко разблокировать скрытую информацию из всего вашего контента, будь то документы, изображения или большие базы данных. В основе интеллектуального анализа данных лежит Когнитивный поиск Azure. Когнитивный поиск использует искусственный интеллект, чтобы предоставить вам больше, чем поиск по ключевым словам. Он обеспечивает возможность поиска конкретной информации в больших объемах структурированных и неструктурированных данных.
Давайте поговорим о применении навыков обогащения ИИ к конвейеру индексатора. Индексатор в Когнитивном поиске Azure — это обходчик, который извлекает доступные для поиска данные и метаданные из ваших источников данных. Обогащение ИИ — это процесс обогащения необработанной информации контентом, созданным ИИ, чтобы сделать ее более полезной и доступной для обнаружения.
Теперь давайте перейдем к решениям для разговорного ИИ. Это включает в себя разработку и реализацию потоков разговоров. Здесь вы будете работать со службой Azure Bot и Power Virtual Agents. Эти сервисы позволяют создавать, тестировать, развертывать и управлять интеллектуальными ботами в одном месте. Боты могут естественным образом взаимодействовать с пользователями, используя текст, карточки или речь. Они также могут понять намерения пользователя, используя возможности понимания естественного языка.
Создание диалогового бота включает использование Azure Bot Framework и Power Virtual Agents. Эти инструменты могут помочь вам создать бота, который может естественным образом взаимодействовать с вашими пользователями на вашем веб-сайте, в приложении, в Teams или на других платформах. Боты могут отвечать на вопросы, направлять пользователей через процессы и выполнять такие задачи для пользователей, как запись на прием или поиск информации.
Тестирование, публикация и поддержка диалогового бота так же важны, как и его создание. Bot Framework включает инструменты для тестирования вашего бота и каналы для его публикации, а Azure предоставляет инструменты управления и диагностики для обслуживания вашего бота.
Мы подошли к концу нашего пути к решениям для извлечения знаний и диалогового ИИ. Эти навыки открывают новый мир возможностей для улучшения взаимодействия с пользователем и извлечения знаний из обширных наборов данных.
ЧАСТЬ 9. Планирование решения Azure AI и управление им
Когда вы погружаетесь в мир Azure AI, важно знать, как выбрать соответствующую службу AI для ваших конкретных потребностей. Azure предлагает широкий спектр сервисов ИИ, в том числе для машинного обучения, когнитивных сервисов и сервисов ботов, среди прочего. Правильный выбор имеет решающее значение, поскольку он напрямую влияет на эффективность и действенность вашего решения. Помните, что ключом здесь является понимание проблемы, которую вы пытаетесь решить, а затем сопоставление ее с наиболее подходящей службой, предоставляемой Azure.
Безопасность всегда должна быть главным приоритетом, и Azure предлагает различные способы настройки безопасности для ваших служб ИИ. Вам необходимо понять и внедрить передовые методы защиты и конфиденциальности данных, такие как шифрование данных в состоянии покоя и при передаче, использование Azure Private Link для безопасной сети и соблюдение принципа наименьших привилегий для управления доступом.
Создание службы искусственного интеллекта Azure и управление ею также является важным шагом. В Azure вы можете создать службу ИИ с помощью портала Azure, Azure CLI или одного из предоставленных пакетов SDK. Вы можете управлять этими службами, контролируя их работоспособность и производительность, корректируя конфигурации по мере необходимости и контролируя доступ.
Последняя часть этого процесса включает в себя развертывание ваших служб ИИ Azure. В зависимости от конкретной службы ИИ, с которой вы работаете, вы можете развернуть обученную модель машинного обучения в целевой среде для вывода, опубликовать бота в канале для взаимодействия пользователей или развернуть когнитивную службу для обработки данных в реальном времени. время.
Помните, что планирование решений Azure AI и управление ими так же важно, как и их разработка. Хорошо спланированное и должным образом управляемое решение помогает обеспечить бесперебойную, безопасную и эффективную работу ваших сервисов ИИ.
ЧАСТЬ 10: Этика ИИ и ответственный ИИ
По мере того, как вы продолжаете свое путешествие в области разработки искусственного интеллекта Azure, важно понимать важность этики и ответственного искусственного интеллекта. Технологии искусственного интеллекта оказывают значительное влияние на общество, и крайне важно обеспечить их разработку, развертывание и использование этичным и ответственным образом.
Этические соображения в области ИИ включают обеспечение справедливости, прозрачности, подотчетности и недопущение предвзятости. Системы ИИ должны быть разработаны и обучены для равного обращения со всеми людьми или группами без дискриминации или предвзятости. Важно устранить потенциальные предубеждения в обучающих данных и алгоритмах, чтобы обеспечить справедливые результаты.
Прозрачность — еще один важный аспект ответственного ИИ. Это включает в себя создание понятных и объяснимых систем ИИ, позволяющих пользователям и заинтересованным сторонам понять, как принимаются решения. Такая прозрачность укрепляет доверие и позволяет пользователям принимать обоснованные решения.
Подотчетность также важна в системах ИИ. Разработчики и пользователи систем ИИ должны нести ответственность за решения, принимаемые этими системами. Важно иметь механизмы для выявления и исправления любых ошибок или непредвиденных последствий.
Ответственный ИИ также предполагает рассмотрение потенциального социального воздействия технологий ИИ. Крайне важно обеспечить, чтобы системы ИИ не увековечивали вредные стереотипы и не способствовали негативным социальным последствиям. Технологии ИИ должны разрабатываться с целью приносить пользу обществу в целом.
Как инженер Azure AI, вы обязаны соблюдать этические нормы и принципы при разработке и развертывании ИИ. Будьте в курсе последних этических норм и руководств в области ИИ и активно внедряйте их в свою работу.
ЧАСТЬ 11: Интеграция ИИ с Power Platform
Интеграция Azure AI с Power Platform — это мощная комбинация, которая позволяет разработчикам и гражданским разработчикам использовать возможности обеих платформ. Интегрируя службы искусственного интеллекта Azure в Power Apps, Power Automate и Power BI, вы можете повысить функциональность и интеллектуальность своих приложений и рабочих процессов.
1. Интеграция с Power Apps.
Power Apps — это платформа разработки с минимальным кодом, позволяющая создавать пользовательские приложения с визуальным интерфейсом. Интегрируя службы искусственного интеллекта Azure в Power Apps, вы можете добавлять в свои приложения расширенные возможности искусственного интеллекта. Вот некоторые примеры:
а. Компьютерное зрение: вы можете использовать возможности компьютерного зрения для анализа и понимания изображений в своих Power Apps. Например, вы можете использовать службы Azure Computer Vision для извлечения текста из изображений, обнаружения объектов или лиц или выполнения задач распознавания изображений.
б. Анализ тональности. Интегрируя службы анализа тональности из Azure AI, вы можете понять тональность контента, созданного пользователями, например ввод текста или публикации в социальных сетях. Это может помочь вам оценить настроения клиентов, отслеживать отзывы или автоматизировать действия, основанные на настроениях.
в. Языковой перевод: Azure AI предоставляет службы языкового перевода, которые можно интегрировать в Power Apps. Это позволяет создавать многоязычные приложения, которые могут переводить текст между разными языками, повышая удобство работы пользователей для глобальной аудитории.
2. Интеграция с Power Automate.
Power Automate — это платформа автоматизации рабочих процессов, позволяющая создавать автоматизированные рабочие процессы в различных системах и службах. Интегрируя службы ИИ Azure в Power Automate, вы можете автоматизировать задачи на основе ИИ и повысить эффективность своих рабочих процессов. Вот несколько примеров:
а. Аналитика данных. Вы можете использовать службы ИИ Azure для извлечения ценной информации из ваших данных и инициирования автоматических действий на основе этой информации. Например, вы можете использовать модели машинного обучения для анализа данных и автоматизации действий на основе прогнозов или аномалий, обнаруженных в данных.
б. Классификация документов. Благодаря возможностям обработки естественного языка Azure AI вы можете автоматизировать задачи классификации документов в своих рабочих процессах. Это может быть полезно для автоматической классификации документов, извлечения ключевой информации или маршрутизации документов на основе их содержимого.
в. Виртуальные помощники. Интегрируя диалоговые службы искусственного интеллекта Azure, такие как Azure Bot Service, в Power Automate, вы можете создавать виртуальных помощников или чат-ботов, которые могут взаимодействовать с пользователями и выполнять задачи от их имени. Эти виртуальные помощники могут быть развернуты на различных платформах, включая веб-сайты, приложения или каналы обмена сообщениями.
3. Интеграция с Power BI.
Power BI — это мощный инструмент бизнес-аналитики, позволяющий визуализировать и анализировать данные. Интегрируя службы ИИ Azure в Power BI, вы можете расширить возможности анализа данных и получить более глубокое понимание своих данных. Вот несколько примеров:
а. Обработка естественного языка. Вы можете использовать службы обработки естественного языка Azure AI для извлечения полезных сведений из текстовых данных в Power BI. Это может включать в себя такие задачи, как извлечение ключевых фраз, идентификация сущностей или выполнение анализа тональности текстовых данных.
б. Прогнозная аналитика. Службы машинного обучения Azure можно интегрировать с Power BI для создания прогнозных моделей и выполнения расширенной аналитики. Это позволяет вам прогнозировать тенденции, делать прогнозы или выявлять закономерности в ваших данных.
в. Когнитивные службы: Power BI может использовать когнитивные службы Azure, такие как распознавание изображений или преобразование речи в текст, для анализа нетекстовых источников данных. Например, вы можете анализировать изображения или извлекать ценную информацию из аудиофайлов в отчетах и на информационных панелях Power BI.
Интегрируя службы искусственного интеллекта Azure в Power Platform, вы можете создавать интеллектуальные приложения, автоматизировать процессы и получать ценную информацию из своих данных без необходимости сложного кодирования. Этот подход с минимальным кодом или без кода позволяет как разработчикам, так и гражданским разработчикам использовать возможности ИИ в своих приложениях и рабочих процессах, повышая производительность и позволяя создавать сложные решения.
ЧАСТЬ 12: Развертывание и масштабирование ИИ
После того как вы разработали и протестировали свое ИИ-решение, следующим шагом будет его развертывание и масштабирование в соответствии с потребностями ваших пользователей или клиентов. Azure предоставляет различные варианты развертывания и масштабирования решений ИИ, обеспечивая производительность, доступность и масштабируемость.
Служба Azure Kubernetes (AKS) — это служба оркестрации контейнеров, которая упрощает развертывание, управление и масштабирование контейнерных приложений. Вы можете контейнеризовать свои модели ИИ и развернуть их в AKS, что обеспечит эффективное масштабирование и управление рабочими нагрузками ИИ.
Функции Azure — это бессерверная служба вычислений, которая позволяет запускать код, управляемый событиями, без необходимости подготовки инфраструктуры или управления ею. Вы можете использовать Функции Azure для развертывания и запуска моделей ИИ в качестве бессерверных функций, обеспечивая автоматическое масштабирование в зависимости от входящей рабочей нагрузки.
Пакетная служба Azure обеспечивает планирование заданий в масштабе облака и управление вычислениями. Это позволяет масштабировать рабочие нагрузки ИИ для обработки больших объемов данных или выполнения задач, требующих больших вычислительных ресурсов. С помощью пакетной службы Azure вы можете распределять обучение модели ИИ или логические выводы по нескольким вычислительным узлам для более быстрой обработки.
Конвейеры машинного обучения Azure позволяют создавать сквозные рабочие процессы для обучения, развертывания и управления моделями машинного обучения в любом масштабе. Вы можете определить конвейеры, которые включают предварительную обработку данных, обучение моделей, развертывание моделей и мониторинг, что позволяет эффективно масштабировать и автоматизировать ваши рабочие процессы ИИ.
При развертывании и масштабировании вашего ИИ-решения важно отслеживать его производительность и проводить оптимизацию по мере необходимости. Azure предоставляет различные инструменты мониторинга и диагностики, такие как Azure Monitor и Application Insights, которые помогают отслеживать работоспособность, производительность и использование ваших приложений ИИ.
Используя возможности Azure по развертыванию и масштабированию, вы можете гарантировать доступность, производительность и масштабируемость ваших решений ИИ в соответствии с потребностями ваших пользователей или клиентов.
Заключение:
Поздравляем с завершением серии Azure AI Engineering for Beginners: Dark to Cloud! Из этой серии вы получили всестороннее представление о разработке ИИ Azure, включая облачные вычисления, архитектуру Azure, управление и руководство, основы ИИ, машинное обучение, компьютерное зрение, НЛП, интеллектуальный анализ знаний, диалоговый ИИ, этику ИИ, интеграцию с Power Platform, Развертывание и масштабирование ИИ.
Продолжая свое путешествие в области разработки искусственного интеллекта Azure, не забывайте быть в курсе последних достижений в этой области и продолжайте изучать новые инструменты и технологии. ИИ — это быстро развивающаяся область, и всегда будут захватывающие возможности для инноваций и роста.
Благодарим вас за участие в этом учебном процессе и желаем удачи в ваших будущих начинаниях в качестве инженера искусственного интеллекта Azure!
