Штучний інтелект
у екосистемі Microsoft

У цьому модулі розглядаються базові поняття штучного інтелекту та машинного навчання, а також типові сценарії їх застосування в бізнесі та ІТ-продуктах. Окрема увага приділяється екосистемі Microsoft AI та ролі Azure у побудові та масштабуванні рішень на основі штучного інтелекту.

Azure AI Services — це набір хмарних сервісів штучного інтелекту, які дозволяють розробникам впроваджувати когнітивні можливості у додатки без необхідності в глибоких знаннях штучного інтелекту або науки про дані. Він пропонує низку попередньо розроблених і налаштовуваних API та моделей для виконання завдань, таких як обробка природної мови, пошук, моніторинг, переклад, мовлення, комп'ютерний зір та прийняття рішень.

Microsoft Fabric — це інтегрована платформа аналітики, яка спрощує управління корпоративними даними та їх аналіз. Вона поєднує сервіси, такі як Azure Data Factory, Azure Synapse Analytics і Power BI, у єдине рішення, що забезпечує процес від збору даних до бізнес-аналітики. Завдяки зосередженню на аналітиці в реальному часі та науці про дані, Microsoft Fabric пропонує широкий набір інструментів для роботи з дата-озерами, інженерією даних та інтеграцією даних.

Azure Machine Learning — це сервіс, який прискорює життєвий цикл проєктів машинного навчання. Він орієнтований на професіоналів у галузі ML, науковців з даних та інженерів, забезпечуючи інструменти для тренування, розгортання моделей та управління операціями машинного навчання (MLOps). Платформа підтримує створення моделей із різних відкритих платформ, таких як PyTorch, TensorFlow або scikit-learn, а також пропонує інструменти для моніторингу, повторного навчання та повторного розгортання моделей.

Microsoft Power Automate з AI Builder дозволяє використовувати готові та кастомні моделі штучного інтелекту в автоматизованих робочих потоках і бізнес-процесах.

Microsoft Foundry — платформа для створення, оцінювання та розгортання генеративних рішень і кастомних копілотів. Вона забезпечує єдине середовище для роботи з моделями, агентами, інструментами оцінювання та підходами відповідального використання штучного інтелекту, дозволяючи переходити від прототипів до впровадження.

ML.NET — це потужний, відкритий фреймворк машинного навчання, спеціально створений для .NET-розробників. Він дозволяє створювати індивідуальні моделі машинного навчання, використовуючи C# або F#, без необхідності у глибоких знаннях науки про дані. Фреймворк підтримує різноманітні завдання машинного навчання, такі як аналіз настроїв, прогнозування цін, виявлення шахрайства тощо.

Microsoft Agent Framework — підхід до побудови агентних рішень, що поєднує можливості Semantic Kernel та AutoGen. Він використовується для оркестрації моделей, інструментів і логіки взаємодії, дозволяючи створювати агентів, здатних працювати з кодом, API, даними та зовнішніми сервісами у складних сценаріях.