Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
En este artículo se comparan los datos principales de Azure y los servicios de inteligencia artificial con las soluciones de Amazon Web Services (AWS) correspondientes.
Para ver la comparación de otros servicios de Azure y AWS, consulte Azure para profesionales de AWS.
Gobernanza, administración y plataformas de datos
Tanto Microsoft Purview como la combinación de servicios de AWS descritos en la tabla siguiente proporcionan soluciones completas de gobernanza de datos. Use estas soluciones para administrar, detectar, clasificar y proteger los recursos de datos.
| Servicios de AWS | Servicio de Microsoft | Descripción |
|---|---|---|
| Catálogo de datos de AWS Glue, AWS Lake Formation, Amazon Macie, AWS Identity and Access Management (IAM),AWS Config | Microsoft Purview | Ambas opciones proporcionan características de gobernanza, catalogación y cumplimiento de datos. Microsoft Purview es una solución unificada de gobernanza de datos. Puede usarlo para detectar, clasificar y administrar datos en entornos locales, multinube y software como servicio (SaaS). También proporciona funcionalidades de cumplimiento y linaje de datos. AWS ofrece características comparables a través de varios servicios, como AWS Glue Data Catalog para la administración de metadatos, AWS Lake Formation para la creación y gobernanza del lago de datos, Amazon Macie para la clasificación y protección de datos, AWS IAM para el control de acceso y AWS Config para la administración de la configuración y el seguimiento de cumplimiento. |
Plataforma todo en uno frente a servicios de AWS
Microsoft Fabric proporciona una plataforma todo en uno que unifica los datos y los servicios de inteligencia artificial necesarios para las soluciones de análisis modernas. Mueve los datos de forma eficaz entre los servicios, proporciona una gobernanza unificada y seguridad, y simplifica los modelos de precios. Este enfoque contrasta con el enfoque de AWS, donde a menudo usa servicios independientes y debe invertir más esfuerzo en la integración. Fabric proporciona integración en estas funciones dentro del ecosistema de Azure.
TANTO AWS como Fabric proporcionan funcionalidades para la integración de datos, el procesamiento, el análisis, el aprendizaje automático y la inteligencia empresarial.
| Servicio de AWS | Servicio de Microsoft | Descripción |
|---|---|---|
| Pegamento AWS | Integración de datos de Fabric con Azure Data Factory | AWS Glue proporciona funcionalidades para crear soluciones de análisis y datos. Este enfoque proporciona flexibilidad, pero requiere más esfuerzo para integrar cada servicio en una solución de un extremo a otro. Fabric combina funcionalidades dentro de una sola plataforma para simplificar los flujos de trabajo, la colaboración y la administración. |
Comparación detallada de los servicios de AWS y los componentes de Fabric
En la tabla siguiente se comparan los componentes clave de Fabric y sus servicios de AWS correspondientes. Ayuda a los arquitectos y responsables de la toma de decisiones a comprender cómo la plataforma de datos fabric se alinea o se diferencia de las ofertas de AWS en las cargas de trabajo de ingeniería de datos, análisis, gobernanza e inteligencia artificial.
Herramientas de integración de datos y ETL
Las herramientas de integración y extracción, transformación y carga de datos (ETL) ayudan a extraer, transformar y cargar datos de varios orígenes en un sistema unificado para su análisis.
| Servicio de AWS | Servicio de Microsoft | Análisis |
|---|---|---|
| Pegamento AWS | Azure Data Factory, Azure Data Factory en Fabric | El servicio Data Factory, la característica Azure Data Factory de Fabric y AWS Glue son servicios ETL administrados que facilitan la integración de datos en varios orígenes. |
| Flujos de trabajo administrados de Amazon para Apache Airflow (MWAA) | Trabajos de Apache Airflow en Fabric | Apache Airflow proporciona orquestación de flujo de trabajo administrado para canalizaciones de datos complejas. La característica de trabajo de Apache Airflow en Fabric actúa como la próxima generación del Administrador de orquestación de flujos de trabajo de Data Factory. Puede usar esta característica para crear y administrar trabajos de Apache Airflow y ejecutar grafos acíclicos dirigidos (DAG). Como parte de Azure Data Factory en Fabric, la característica de trabajo de Airflow proporciona integración, preparación y transformación de datos de orígenes de datos como bases de datos, almacenes de datos, almacenes de lago y datos en tiempo real. AWS MWAA es una solución de Airflow administrada. |
| Servicio de migración de bases de datos (DMS) de AWS | Asistente de Migración de Fabric para Almacén de Datos | Estos servicios le ayudan a migrar bases de datos de AWS a Azure. Fabric Migration Assistant es una herramienta integrada de Fabric que le guía a través de la migración de datos y metadatos de bases de datos de origen en AWS a Fabric Data Warehouse. Convierte esquemas, usa IA para resolver problemas de migración y admite la migración desde orígenes basados en SQL. AWS DMS se centra en las migraciones dentro del entorno de AWS y proporciona características de replicación en curso para arquitecturas híbridas. |
| AWS DMS | Azure Database Migration Service | Estos servicios le ayudan a migrar bases de datos a la nube con un tiempo de inactividad mínimo. El servicio de Azure se centra en la migración a bases de datos de Azure e incluye herramientas de evaluación y recomendación. AWS DMS se centra en las migraciones dentro del entorno de AWS y proporciona características de replicación en curso para arquitecturas híbridas. |
| Amazon AppFlow | Azure Logic Apps | Estos servicios automatizan los flujos de datos entre aplicaciones en la nube y servicios sin necesidad de código. Logic Apps proporciona funcionalidades de integración a través de una amplia gama de conectores y un diseñador visual. AppFlow proporciona transferencia de datos segura entre aplicaciones SaaS específicas y servicios de AWS e incluye características de transformación de datos integradas. |
| Funciones de paso de AWS | Data Factory con Logic Apps | Estos servicios proporcionan orquestación de flujos de trabajo para coordinar aplicaciones distribuidas y microservicios. Logic Apps admite la integración de datos y la automatización de flujos de trabajo empresariales. Step Functions organiza los servicios y microservicios de AWS en aplicaciones sin servidor. |
Almacenamiento de datos
Las siguientes soluciones almacenan y administran grandes volúmenes de datos estructurados optimizados para realizar consultas e informes.
| Servicio de AWS | Servicio de Microsoft | Análisis |
|---|---|---|
| Amazon Redshift | Almacenamiento de datos de tejido | Fabric Data Warehouse y Amazon Redshift son almacenes de datos administrados y basados en la nube a escala de petabyte (PB), diseñados para análisis de alto rendimiento a gran escala. Fabric Data Warehouse se integra con Fabric y proporciona una plataforma unificada que combina almacenamiento, análisis, gobernanza e inteligencia artificial. Redshift usa el ecosistema de AWS y se centra en el almacenamiento de datos. Ambos servicios admiten el procesamiento paralelo masivo. Fabric tiene una arquitectura de primer nivel y una integración profunda en los servicios de inteligencia artificial y datos de Microsoft. |
| Espectro de Amazon Redshift | Accesos directos de OneLake, Direct Lake en Power BI y conectores de canalización en Azure Data Factory | Amazon Redshift Spectrum permite consultar datos externos en Amazon S3. Por el contrario, Fabric proporciona un enfoque de prioridad para el lago. Utilice accesos directos de OneLake para virtualizar datos de varios orígenes en un único lago de datos lógico sin moverlos. El modo Direct Lake en Power BI ofrece análisis instantáneos en archivos Delta y Parquet abiertos en OneLake sin importar. Las canalizaciones de Fabric Data Factory proporcionan conectores nativos para ingerir, transformar y orquestar flujos de datos. |
| Formación de lagos de AWS | OneLake, Microsoft Purview en Fabric y modelo de permisos de Fabric | AWS Lake Formation proporciona controles de gobernanza y acceso sobre los lagos de datos basados en Amazon S3. En cambio, Fabric ofrece estas funcionalidades a través de OneLake combinadas con Microsoft Purview para catalogar, linaje y gobernanza de datos. Utilizas el control de acceso basado en roles (RBAC) y la seguridad detallada para proporcionar acceso a través de áreas de trabajo, tablas y columnas. |
| Amazon Relational Database Service (RDS) con la consulta federada de Amazon Redshift | Fabric SQL Database, el conector de Amazon Redshift en Dataflow Gen2, canalizaciones de datos de Fabric y accesos directos de OneLake | Amazon RDS con Amazon Redshift Federated Query permite a Amazon Redshift ejecutar consultas SQL directamente en datos de RDS activos. Esta configuración proporciona acceso en tiempo real a través de almacenes operativos y analíticos. Fabric SQL Database presenta un motor SQL nativo de SaaS con escalado automático, gobernanza integrada e integración con la plataforma Fabric. Las canalizaciones de datos de Fabric permiten la ingesta desde Amazon RDS y Amazon Redshift hacia lakehouses o bases de datos SQL. Los accesos directos de OneLake virtualizan datos externos, como Azure Data Lake Storage Gen2 y Amazon S3, en Fabric sin duplicación. |
| Amazon RDS con Amazon Redshift Federated Query | Azure SQL Database | Estos servicios admiten consultas en bases de datos operativas y almacenes de datos. SQL Database se puede integrar con los servicios de análisis de Azure. En cambio, AWS requiere que combine RDS y Amazon Redshift para las funcionalidades de consulta entre servicios a través de consultas federadas. |
| Integración de Amazon Aurora con Amazon Redshift | SQL Database en Fabric | Amazon Aurora controla los datos operativos y Amazon Redshift realiza análisis a gran escala a través de consultas federadas y ingesta por lotes. Fabric SQL Database proporciona un motor relacional administrado y de escalado automático que se integra de forma nativa con OneLake y Power BI. Esta configuración admite el análisis unificado y la gobernanza. |
| Integración de Amazon Aurora con Amazon Redshift | SQL Database sin servidor | Estas bases de datos relacionales nativas de nube administradas separan el proceso del almacenamiento, escalan automáticamente los recursos en función de la demanda y garantizan una alta disponibilidad. Ambos servicios usan motores basados en SQL y se extienden a soluciones rentables para cargas de trabajo transaccionales y analíticas. SQL Database sin servidor se pausa automáticamente durante la inactividad para optimizar el costo al proporcionar todo el motor de SQL Server. |
Soluciones de Data Lake
Las siguientes plataformas almacenan grandes cantidades de datos estructurados sin procesar y no estructurados en su formato nativo para el procesamiento futuro.
| Servicio de AWS | Servicio de Microsoft | Análisis |
|---|---|---|
| Amazon S3 | OneLake, Data Lake Storage | Data Lake Storage y Amazon S3 son soluciones de almacenamiento de objetos escalables diseñadas para el análisis de macrodatos. Admiten formatos como Parquet, valores separados por comas (CSV) y JSON. Data Lake Storage está optimizado para herramientas nativas de Azure, mientras que Amazon S3 se integra con los servicios de AWS. OneLake unifica los datos estructurados y no estructurados entre nubes en un único lago regulado. Con los accesos directos de OneLake, Fabric puede virtualizar datos de Amazon S3, Data Lake Storage y Google Cloud sin duplicación, lo que admite el acceso y el análisis. OneLake admite la flexibilidad multinube, la integración con cero ETL y Delta Lake. |
| Formación de lagos de AWS | OneLake | AWS Lake Formation administra lagos de datos dentro del ecosistema de AWS. OneLake proporciona un lago de datos nativo de SaaS que admite todas las cargas de trabajo de Fabric, incluidos almacenes de datos en lago, almacenes, Inteligencia en Tiempo Real y Power BI. OneLake no requiere ninguna configuración adicional e incluye gobernanza integrada a través de Microsoft Purview. También tiene compatibilidad nativa con Delta Lake y accesos directos para la virtualización multinube, incluido Amazon S3. |
| Atenea amazónica | Fabric Lakehouse | Amazon Athena es un motor de consultas sin servidor que permite el análisis sql en tiempo real directamente en los datos almacenados en Amazon S3. Fabric Lakehouse proporciona un entorno integrado para el análisis y la ingeniería de datos. Almacena datos en OneLake mediante el formato Delta Lake y admite Spark, T-SQL y Python. |
| Catálogo de datos de AWS Glue | Microsoft Purview | AWS Glue Data Catalog centraliza los metadatos para el análisis y el aprendizaje automático. Actúa como almacén de metadatos y registro de esquemas y requiere otros servicios para administrar el linaje, la directiva y la gobernanza. Microsoft Purview es un servicio unificado de gobernanza de datos que abarca entornos de Azure, OneLake y locales y multinube. Cataloga datos en OneLake, Data Lake Storage y otros orígenes. Proporciona la clasificación de datos, la visualización de linaje, la administración de directivas y la integración del glosario a través de su catálogo unificado. Desde la perspectiva de un lago de datos, Microsoft Purview ofrece un enfoque primero de gobernanza mediante la conexión de metadatos, seguridad y cumplimiento en una plataforma. |
Análisis de macrodatos
Estos servicios procesan y analizan conjuntos de datos grandes y complejos para descubrir patrones, conclusiones y tendencias. En la tabla siguiente se proporcionan comparaciones directas de servicios de macrodatos individuales. Fabric es un servicio todo en uno para macrodatos y análisis. Proporciona los siguientes servicios y mucho más.
| Servicio de AWS | Servicio de Microsoft | Análisis |
|---|---|---|
| Amazon EMR | Cargas de trabajo de Fabric Data Engineering que usan Spark | Amazon EMR es un servicio de macrodatos administrado que ejecuta marcos como Spark, Hadoop y Hive. Debe aprovisionar y optimizar clústeres. La carga de trabajo de Fabric de Ingeniería de Datos utiliza Spark para eliminar la necesidad de administración de clústeres. Proporciona una experiencia sin servidor, integrada y regulada dentro del ecosistema de Fabric. |
| Amazon EMR | Azure Databricks | Estos servicios admiten el procesamiento de macrodatos a través de Spark en un entorno administrado. Amazon EMR ejecuta clústeres de Spark y proporciona opciones de configuración y escalado flexibles. Azure Databricks proporciona una plataforma Spark optimizada que incluye cuadernos de colaboración y flujos de trabajo integrados. |
| Amazon Kinesis | Azure Event Hubs y Azure Stream Analytics | Estos servicios proporcionan streaming y análisis de datos en tiempo real para procesar y analizar flujos de datos de gran volumen. |
| AWS Glue con AWS Glue Studio | Cargas de trabajo de Fabric Data Engineering que usan Spark | AWS Glue Studio combinado con Amazon Kinesis proporciona integración de datos y canalizaciones de streaming en tiempo real, pero requiere administrar el movimiento de datos entre servicios. Las cargas de trabajo de ingeniería de datos de Fabric usan Spark para ofrecer estas funcionalidades directamente a la plataforma fabric. Las transformaciones por lotes y streaming, la orquestación y la gobernanza se integran con OneLake, Purview y Power BI. Fabric ofrece una única experiencia para la integración e ingeniería de datos, sin la administración de servicios independientes para ETL, streaming y análisis. |
| AWS Glue con AWS Glue Studio | Azure Databricks y Data Factory | Ambas combinaciones de servicio proporcionan funcionalidades de procesamiento de macrodatos que incluyen la transformación y el análisis integrados de datos. |
Inteligencia empresarial e informes
Los siguientes servicios proporcionan visualización de datos, informes y paneles que le ayudarán a tomar decisiones fundamentadas.
| Servicio de AWS | Servicio de Microsoft | Análisis |
|---|---|---|
| Visión rápida de Amazon | Power BI | Power BI y Amazon Quick Sight proporcionan herramientas de análisis empresarial para la visualización de datos y paneles interactivos. |
| Amazon Managed Grafana | Azure Managed Grafana | Estos servicios proporcionan Grafana administrado para visualizar métricas, registros y seguimientos en varios orígenes de datos. |
| Intercambio de datos de AWS | Uso compartido de datos externos en Fabric y accesos directos de OneLake | AWS Data Exchange proporciona un marketplace en el que su organización puede suscribirse y consumir conjuntos de datos externos. El servicio gestiona las licencias y la entrega segura. En Fabric, la colaboración externa está disponible a través de accesos directos de OneLake y uso compartido entre inquilinos. Los datos externos están disponibles en Spark, SQL, KQL y Power BI. |
| Intercambio de datos de AWS | Recurso compartido de datos de Azure | Estos servicios facilitan el uso compartido seguro y el intercambio de datos entre organizaciones. AWS Data Exchange proporciona un modelo de Marketplace. Data Share se centra en el uso compartido de datos entre inquilinos. |
| Amazon OpenSearch Service con Kibana | Base de datos de KQL de Fabric con Power BI | Amazon OpenSearch Service con Kibana proporciona una plataforma de análisis y búsqueda administrada para indexación, consulta y visualización de grandes conjuntos de datos, que se usan habitualmente para el análisis de registros y la observabilidad. Fabric ofrece funcionalidades similares a través de su base de datos KQL para la exploración de datos en tiempo real, combinada con Power BI para informes interactivos. |
| Amazon OpenSearch Service con Kibana | Azure AI Search, Azure Data Explorer y paneles | Estos servicios proporcionan exploración de datos en tiempo real y análisis interactivos en grandes volúmenes de datos. Amazon OpenSearch usa Kibana para la búsqueda y visualización. AI Search proporciona búsqueda inteligente de texto completo. Azure Data Explorer usa KQL para impulsar análisis en tiempo real de alto rendimiento con paneles interactivos para su visualización. |
Procesamiento de datos en tiempo real
Los siguientes sistemas ingieren y analizan los datos a medida que se generan para proporcionar información y respuestas inmediatas.
| Servicio de AWS | Servicio de Microsoft | Análisis |
|---|---|---|
| Amazon Kinesis | Fabric Real-Time Intelligence Hub, Flujo de eventos de Fabric con base de datos de KQL de Fabric | Amazon Kinesis permite el streaming, la ingesta y el procesamiento de datos en tiempo real en servicios como Amazon S3, Amazon Redshift y AWS Lambda. Fabric proporciona una arquitectura de streaming con el centro de inteligencia en tiempo real, que admite la ingestión de varios orígenes, como Amazon Kinesis, Apache Kafka, Event Hubs y Google Pub/Sub. Las secuencias de eventos de Fabric administran el enrutamiento de flujos, la transformación y las alertas. |
| Amazon Kinesis | Event Hubs y Stream Analytics | Estos servicios procesan y analizan datos de dispositivos de Internet de las cosas (IoT) en tiempo real. Amazon Kinesis proporciona funcionalidades de procesamiento y ingesta de streaming. Azure proporciona servicios modulares. Event Hubs controla la ingesta de datos y Stream Analytics procesa los datos. |
| Amazon Managed Streaming para Kafka (MSK) | Flujo de eventos de Fabric con puntos de conexión de Kafka | Amazon MSK es un servicio de Kafka administrado en AWS. Las secuencias de eventos de Fabric admiten puntos de conexión de Kafka para publicar y consumir datos a través del protocolo Kafka. Estos flujos de eventos también pueden ingerir datos directamente desde Amazon MSK en el centro de inteligencia en tiempo real de Fabric para el procesamiento y análisis posteriores, como con un sistema de análisis de eventos usando Power BI. Azure proporciona un plano de ingesta administrado compatible con Kafka (Event Hubs) y un clúster de Kafka administrado (Azure HDInsight). Fabric proporciona un centro de análisis completo en tiempo real que se integra con Kafka. |
| Amazon MSK | Event Hubs para Kafka | Estos servicios proporcionan clústeres de Kafka administrados para crear aplicaciones y canalizaciones de datos de streaming en tiempo real. Event Hubs para Kafka expone un punto de conexión compatible con Kafka y los clientes existentes pueden conectarse con cambios mínimos. También admite flujos de Kafka en niveles Premium y Dedicado. |
| AWS Lambda | Fabric notebooks con pipelines de datos de Fabric para el procesamiento de datos sin servidor | AWS Lambda es un proceso sin servidor controlado por eventos para ejecutar código sin necesidad de administrar servidores. Para el procesamiento sin servidor centrado en el análisis en Fabric, puede usar cuadernos de Fabric junto con las canalizaciones de Azure Data Factory. Los cuadernos ejecutan trabajos administrados de Spark para la ingesta, limpieza y transformación de datos. Las canalizaciones orquestan y programan esos cuadernos como parte de los flujos de trabajo de datos de un extremo a otro, lo que proporciona computación a demanda y sin necesidad de gestionar clústeres dentro de Fabric. |
| AWS Lambda | Azure Functions con Azure API Management para desencadenadores de API | Estas plataformas de proceso sin servidor ejecutan código en respuesta a eventos y administran automáticamente los recursos de proceso subyacentes. Azure Functions ofrece el mismo modelo de implementación basado en eventos con escalado automático y normalmente se combina con API Management y otros desencadenadores de Azure. Microsoft también proporciona una guía de migración de Lambda a Azure Functions para facilitar la paridad y los movimientos de código. |
| Flujos de Amazon DynamoDB | Reflejo de Fabric (Azure Cosmos DB) con secuencias de eventos de Fabric | Los flujos de Amazon DynamoDB proporcionan una fuente en tiempo real de cambios de nivel de elemento en las tablas de Amazon DynamoDB, lo que permite el procesamiento controlado por eventos y el análisis descendente. En Fabric, reflejar Azure Cosmos DB en OneLake para análisis elimina la sobrecarga de ETL. Combine streams de eventos de Fabric con esta configuración para enrutar eventos en tiempo real e integrarlos con bases de datos KQL de Fabric o lakehouses. |
| Flujos de Amazon DynamoDB | Fuente de cambios de Azure Cosmos DB | Estos servicios permiten el procesamiento de datos en tiempo real capturando y proporcionando un flujo de modificaciones de datos. |
| Amazon ElastiCache con secuencias de Redis | Azure Cache for Redis con flujos de Redis | Estos servicios proporcionan instancias administradas de Redis que admiten flujos de Redis para la ingesta y el procesamiento de datos en tiempo real. |
| Análisis de Amazon IoT | Secuencias de eventos de Fabric con base de datos de KQL de Fabric | Amazon IoT Analytics es un servicio administrado que recopila, procesa y analiza los datos del dispositivo IoT a escala. Las secuencias de eventos de Fabric ingieren telemetría de IoT y la enrutan a la base de datos de KQL de Fabric para realizar consultas y análisis en tiempo real. |
| AWS IoT Analytics | Azure IoT Hub con Stream Analytics | Estos servicios le permiten procesar y analizar datos de dispositivos IoT en tiempo real. Amazon IoT Analytics proporciona funcionalidades integradas de análisis y almacenamiento de datos. Azure proporciona servicios modulares. IoT Hub controla la ingesta y Stream Analytics procesa los datos. |
Servicios de Aprendizaje Automático
Las siguientes herramientas y plataformas permiten el desarrollo, el entrenamiento y la implementación de modelos de aprendizaje automático.
| Servicio de AWS | Servicio de Microsoft | Análisis |
|---|---|---|
| Amazon SageMaker | Carga de trabajo de ciencia de datos de Fabric con integración de Machine Learning | Amazon SageMaker es una plataforma administrada para crear, entrenar e implementar modelos de aprendizaje automático a escala. Azure proporciona un equivalente a través de Machine Learning, un servicio administrado de un extremo a otro que admite la preparación de datos, el aprendizaje automático automatizado, la implementación de modelos y las operaciones de aprendizaje automático. La carga de trabajo de Ciencia de Datos de Fabric proporciona desarrollo y enriquecimiento de modelos. Se integra con Machine Learning para el entrenamiento, la aceleración de GPU y la implementación de nivel empresarial. |
| Aws Deep Learning Amazon machine images (AMIs) | Data Science Virtual Machines (VM) con Machine Learning | Las API de aprendizaje profundo de AWS proporcionan imágenes de máquina virtual precompiladas con marcos de aprendizaje profundo populares, controladores de GPU y bibliotecas para acelerar el desarrollo de modelos de INTELIGENCIA ARTIFICIAL. Azure proporciona una experiencia similar a través de máquinas virtuales de ciencia de datos, que vienen preconfiguradas con Python, R, Jupyter y marcos de aprendizaje profundo, como TensorFlow y PyTorch. Combine Machine Learning con máquinas virtuales de ciencia de datos para crear una plataforma administrada para operaciones de entrenamiento, implementación y aprendizaje automático. |
| Piloto automático de Amazon SageMaker | Carga de trabajo de ciencia de datos de Fabric con integración de Machine Learning | Amazon SageMaker Autopilot automatiza el ciclo de vida del aprendizaje automático controlando el preprocesamiento de datos, la selección de algoritmos y el ajuste de hiperparámetros con un esfuerzo manual mínimo. La carga de trabajo de Fabric Data Science proporciona el desarrollo automatizado de modelos impulsados por aprendizaje automático e integra con el aprendizaje automático para el entrenamiento y la operativización. |
| Piloto automático de Amazon SageMaker | Aprendizaje automático automatizado | Estos servicios proporcionan aprendizaje automático automatizado para crear y entrenar modelos. |
| Amazon SageMaker Studio | Carga de trabajo de ciencia de datos de Fabric con integración de Machine Learning | Amazon SageMaker Studio es un entorno de desarrollo integrado para el aprendizaje automático en AWS. Proporciona una única interfaz basada en web para compilar, entrenar e implementar modelos. La carga de trabajo de ciencia de datos de Fabric combina cuadernos de colaboración y entornos basados en Spark en una plataforma de análisis unificada, integrándose con entornos de aprendizaje automático para el entrenamiento y la implementación. |
| Amazon SageMaker Studio | Azure Machine Learning Studio | Estos servicios proporcionan entornos de desarrollo integrados para el aprendizaje automático. Amazon SageMaker Studio proporciona una interfaz unificada para todos los pasos de desarrollo del aprendizaje automático, incluidas las herramientas de depuración y generación de perfiles. |
Servicios de inteligencia artificial
Los servicios de inteligencia artificial proporcionan funcionalidades de inteligencia artificial precompiladas y personalizables para aplicaciones, incluidas las funcionalidades de visión, voz, lenguaje y toma de decisiones.
| Servicio de AWS | Servicio de Azure | Análisis |
|---|---|---|
| Amazon Rekognition | Azure AI Vision con Azure AI Custom Vision | Amazon Rekognition es un servicio computer vision para análisis de imágenes y vídeos. Proporciona detección de objetos, reconocimiento facial y extracción de texto. Azure AI Vision ofrece modelos precompilados para la comprensión de imágenes y vídeos. Puede usar Custom Vision para entrenar modelos específicos del dominio con sus propios datos. |
| Amazon Polly | Conversión de texto a voz de Azure AI Speech | Amazon Polly es un servicio de texto a voz que convierte texto en voz realista mediante voces neuronales en varios idiomas. Ai Speech text-to-speech proporciona voces neuronales de alta calidad, streaming en tiempo real y síntesis por lotes para aplicaciones como asistentes de voz, sistemas de respuesta de voz interactiva (IVR) y soluciones de accesibilidad. AI Speech también admite la creación de voz neuronal personalizada para crear voces únicas específicas de marca, a la vez que se mantiene la seguridad y el cumplimiento de nivel empresarial. |
| Amazon Transcribe | Conversión de voz a texto de Azure AI | Amazon Transcribe proporciona conversión de voz a texto con transcripción en tiempo real y vocabularios personalizados, que se suelen usar para análisis de llamadas y subtítulos. La conversión de voz en texto de AI Speech proporciona transcripción por lotes y en tiempo real, diarización de hablantes y modelos personalizados para la precisión específica del dominio. |
| Traductor de Amazon | Traductor de Azure AI | Amazon Translate es un servicio de traducción automática neuronal que ofrece traducciones en varios idiomas para sitios web, aplicaciones y contenido multilingüe. Azure AI Translator proporciona funcionalidades similares con traducción por lotes y en tiempo real en más de 100 idiomas. También incluye características como transliteración, detección de idioma y glosarios personalizados para la precisión específica del dominio. |
| Comprensión de Amazon | Lenguaje de Azure AI | Amazon Recognize es un servicio de procesamiento de lenguaje natural (NLP) que extrae información de texto, como opiniones, frases clave y entidades. Estas funcionalidades ayudan a analizar los comentarios y documentos de los clientes. Azure AI Language (text analytics) proporciona funcionalidades similares con características como el análisis de sentimiento, la extracción de frases clave, el reconocimiento de entidades con nombre y la clasificación de texto personalizada. |
| Amazon Lex | Reconocimiento del lenguaje conversacional en Microsoft Foundry | Estos servicios crean interfaces conversacionales que usan comprensión del lenguaje natural. Azure adopta un enfoque modular, donde conversational language understanding controla el reconocimiento de intenciones y la extracción de entidades. Otros componentes administran el diálogo y la integración. Amazon Lex proporciona una solución integrada para crear interfaces conversacionales completamente dentro del ecosistema de AWS. |
| Amazon Textract | Inteligencia de documentos de Azure AI | Amazon Textract es un servicio de aprendizaje automático que extrae texto y datos de documentos escaneados, incluidas tablas y formularios, para automatizar el procesamiento de documentos. Document Intelligence proporciona una funcionalidad similar con el reconocimiento óptico de caracteres (OCR), modelos precompilados para facturas, recibos e identificadores, y la capacidad de entrenar modelos personalizados para formularios específicos del dominio. Document Intelligence admite la extracción de varios idiomas y proporciona análisis de diseño para documentos complejos. |
| Servicio de Amazon OpenSearch | Búsqueda de IA | Amazon OpenSearch Service es un motor de búsqueda y análisis administrado basado en Elasticsearch, que se usa habitualmente para análisis de registros, búsqueda de texto completo y exploración de datos en tiempo real. AI Search proporciona funcionalidades similares con enriquecimiento con IA integrada, búsqueda híbrida (palabra clave con vector) e integración con los servicios de Azure para garantizar la seguridad y el cumplimiento. Admite escenarios como la búsqueda semántica y la generación aumentada de recuperación (RAG). |
Servicios de IA generativa
Los siguientes servicios de inteligencia artificial crean contenido o datos que se asemejan a la salida generada por el usuario, como texto, imágenes o audio.
| Servicio de AWS | Servicio de Azure | Análisis |
|---|---|---|
| Lecho de roca amazónica | Microsoft Foundry | Estos servicios proporcionan modelos fundamentales para crear e implementar aplicaciones de IA generativas. |
Colaboradores
Microsoft mantiene este artículo. Los colaboradores siguientes escribieron este artículo.
Autor principal:
- Regina Hackenberg | Especialista técnico sénior
Otro colaborador:
- Filipa Lobão | Arquitecto de soluciones en la nube
Para ver los perfiles no públicos de LinkedIn, inicie sesión en LinkedIn.