Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Este artigo compara os principais dados do Azure e os serviços de IA com as soluções AWS (Amazon Web Services) correspondentes.
Para comparação de outros serviços do Azure e do AWS, consulte o Azure para profissionais da AWS.
Governança, gerenciamento e plataformas de dados
Tanto o Microsoft Purview quanto a combinação de serviços AWS descritos na tabela a seguir fornecem soluções abrangentes de governança de dados. Use essas soluções para gerenciar, descobrir, classificar e proteger seus ativos de dados.
| Serviços da AWS | Serviço da Microsoft | Descrição |
|---|---|---|
| Catálogo de Dados do AWS Glue, AWS Lake Formation, Amazon Macie, IAM (Gerenciamento de Identidade e Acesso) da AWS, AWS Config | Microsoft Purview | Ambas as opções fornecem recursos de governança, catalogação e conformidade de dados. O Microsoft Purview é uma solução de governança de dados unificada. Você pode usá-lo para descobrir, classificar e gerenciar dados em ambientes locais, multinuvem e saaS (software como serviço). Ele também fornece recursos de conformidade e linhagem dos dados. A AWS fornece recursos comparáveis por meio de vários serviços, incluindo o Catálogo de Dados de Cola do AWS para gerenciamento de metadados, a Formação do AWS Lake para criação e governança do data lake, o Amazon Macie para classificação e proteção de dados, o IAM do AWS para controle de acesso e a Configuração do AWS para gerenciamento de configuração e acompanhamento de conformidade. |
Plataforma completa vs. serviços da AWS
O Microsoft Fabric fornece uma plataforma completa que unifica os dados e os serviços de IA necessários para soluções de análise modernas. Ele move dados com eficiência entre serviços, fornece governança e segurança unificadas e simplifica modelos de preços. Essa abordagem contrasta com a abordagem do AWS, em que você geralmente usa serviços separados e deve investir mais esforço na integração. O Fabric fornece integração entre essas funções no ecossistema do Azure.
A AWS e o Fabric fornecem recursos para integração de dados, processamento, análise, aprendizado de máquina e business intelligence.
| Serviço AWS | Serviço da Microsoft | Descrição |
|---|---|---|
| Cola da AWS | Integração de dados do Fabric com o Azure Data Factory | A AWS Glue fornece recursos para criar soluções de dados e análise. Essa abordagem fornece flexibilidade, mas requer mais esforço para integrar cada serviço em uma solução de ponta a ponta. O Fabric combina recursos em uma única plataforma para simplificar fluxos de trabalho, colaboração e gerenciamento. |
Comparação detalhada de serviços do AWS e componentes do Fabric
A tabela a seguir compara os principais componentes do Fabric e seus serviços AWS correspondentes. Ele ajuda arquitetos e tomadores de decisão a entender como a plataforma de dados Fabric alinha ou diverge das ofertas da AWS entre cargas de trabalho de engenharia de dados, análise, governança e IA.
Integração de dados e ferramentas ETL
As ferramentas etl (integração, transformação e carregamento) de dados ajudam a extrair, transformar e carregar dados de várias fontes em um sistema unificado para análise.
| Serviço AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Cola da AWS | Azure Data Factory, Azure Data Factory no Fabric | O serviço Data Factory, o recurso Azure Data Factory no Fabric e o AWS Glue são serviços ETL gerenciados que facilitam a integração de dados entre várias fontes. |
| Fluxos de trabalho gerenciados da Amazon para o Apache Airflow (MWAA) | Trabalhos do Apache Airflow no Fabric | O Apache Airflow fornece orquestração de fluxo de trabalho gerenciado para pipelines de dados complexos. O recurso de trabalho do Apache Airflow no Fabric serve como a próxima geração do Gerenciador de Orquestração de Fluxo de Trabalho do Data Factory. Você pode usar esse recurso para criar e gerenciar trabalhos do Apache Airflow e executar DAGs (grafos acíclicos direcionados). Como parte do Azure Data Factory no Fabric, o recurso de trabalho do Airflow fornece integração de dados, preparação e transformação de fontes de dados, como bancos de dados, data warehouses, lakehouses e dados em tempo real. O AWS MWAA é uma solução gerenciada de Airflow. |
| DMS (Serviço de Migração de Banco de Dados) do AWS | Assistente de Migração do Fabric para Data Warehouse | Esses serviços ajudam você a migrar bancos de dados do AWS para o Azure. O Assistente de Migração do Fabric é uma ferramenta interna no Fabric que orienta você por meio da migração de dados e metadados de bancos de dados de origem no AWS para o Fabric Data Warehouse. Ele converte esquemas, usa IA para resolver problemas de migração e dá suporte à migração de fontes baseadas em SQL. O DMS do AWS concentra-se em migrações dentro do ambiente do AWS e fornece recursos de replicação contínuos para arquiteturas híbridas. |
| AWS DMS | Serviço de Migração de Banco de Dados do Azure | Esses serviços ajudam você a migrar bancos de dados para a nuvem com tempo de inatividade mínimo. O serviço do Azure se concentra na migração para bancos de dados do Azure e inclui ferramentas de avaliação e recomendação. O DMS do AWS concentra-se em migrações dentro do ambiente do AWS e fornece recursos de replicação contínuos para arquiteturas híbridas. |
| Amazon AppFlow | Aplicativos Lógicos do Azure | Esses serviços automatizam fluxos de dados entre aplicativos e serviços de nuvem sem a necessidade de código. Os Aplicativos Lógicos fornecem recursos de integração por meio de uma ampla gama de conectores e um designer visual. O AppFlow fornece transferência de dados segura entre aplicativos SaaS específicos e serviços AWS e inclui recursos internos de transformação de dados. |
| Funções de etapa do AWS | Data Factory com Logic Apps | Esses serviços fornecem orquestração de fluxo de trabalho para coordenar aplicativos e microsserviços distribuídos. Os Aplicativos Lógicos dão suporte à integração de dados e à automação do fluxo de trabalho empresarial. O Step Functions orquestra serviços e microsserviços do AWS em aplicativos sem servidor. |
Armazenamento de Dados
As soluções a seguir armazenam e gerenciam grandes volumes de dados estruturados otimizados para consultas e relatórios.
| Serviço AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazon Redshift | Fabric Data Warehouse | O Fabric Data Warehouse e o Amazon Redshift são data warehouses gerenciados, baseados em nuvem e em escala de petabytes (PB), projetados para análise de alto desempenho em escala. O Fabric Data Warehouse integra-se ao Fabric e fornece uma plataforma unificada que combina armazenamento, análise, governança e IA. O Redshift usa o ecossistema do AWS e se concentra no data warehousing. Ambos os serviços dão suporte ao processamento paralelo maciço. O Fabric possui uma arquitetura lake-first e uma integração profunda com os serviços de dados e IA da Microsoft. |
| Espectro do Amazon Redshift | Atalhos do OneLake, Direct Lake no Power BI e conectores de pipeline no Azure Data Factory | O Amazon Redshift Spectrum permite consultar dados externos no Amazon S3. Em contraste, o Fabric fornece uma abordagem lake-first. Use atalhos do OneLake para virtualizar dados de várias fontes em um único lago lógico sem movimentação. O modo Direct Lake no Power BI fornece análises instantâneas em arquivos Delta e Parquet abertos no OneLake sem importação. Os pipelines do Fabric Data Factory fornecem conectores nativos para ingerir, transformar e orquestrar fluxos de dados. |
| Formação do AWS Lake | OneLake, Microsoft Purview in Fabric e Modelo de permissão do Fabric | O AWS Lake Formation fornece controles de governança e de acesso, sobre os data lakes baseados no Amazon S3. Por outro lado, o Fabric fornece esses recursos por meio do OneLake combinado com o Microsoft Purview para catalogação, linhagem e governança de dados. Você usa o RBAC (controle de acesso baseado em função) e a segurança refinada para fornecer acesso entre workspaces, tabelas e colunas. |
| Serviço de Banco de Dados Relacional da Amazon (RDS) com Consulta Federada do Amazon Redshift | Banco de Dados SQL do Fabric, conector do Amazon Redshift no Dataflow Gen2, pipelines de dados do Fabric e atalhos do OneLake | O Amazon RDS com o Amazon Redshift Federated Query permite que o Amazon Redshift execute consultas SQL diretamente em dados rds dinâmicos. Essa configuração fornece acesso em tempo real entre repositórios operacionais e analíticos. O Banco de Dados SQL do Fabric apresenta um mecanismo SQL nativo de SaaS com dimensionamento automático, governança interna e integração com a plataforma Fabric. Os pipelines de dados do Fabric dão suporte à ingestão do Amazon RDS e do Amazon Redshift em lakehouses ou bancos de dados SQL. Os atalhos do OneLake virtualizam dados externos, como o Azure Data Lake Storage Gen2 e o Amazon S3, no Fabric sem duplicação. |
| Amazon RDS com Consulta Federada do Amazon Redshift | Banco de Dados SQL do Azure | Esses serviços dão suporte à consulta em bancos de dados operacionais e data warehouses. O Banco de Dados SQL pode se integrar aos serviços de análise do Azure. Por outro lado, o AWS exige que você combine RDS e Amazon Redshift para recursos de consulta entre serviços por meio de consultas federadas. |
| Amazon Aurora com integração do Amazon Redshift | Banco de Dados SQL em Fabric | A Amazon Aurora lida com dados operacionais e o Amazon Redshift executa análises em larga escala por meio de consultas federadas e ingestão em lote. O Banco de Dados SQL do Fabric fornece um mecanismo relacional gerenciado e de dimensionamento automático que se integra nativamente ao OneLake e ao Power BI. Essa configuração dá suporte à análise unificada e à governança. |
| Amazon Aurora com integração do Amazon Redshift | Banco de Dados SQL sem servidor | Esses bancos de dados relacionais nativos de nuvem gerenciados separam a computação do armazenamento, dimensionam automaticamente os recursos com base na demanda e garantem alta disponibilidade. Ambos os serviços usam mecanismos baseados em SQL e se estendem em soluções econômicas para cargas de trabalho transacionais e analíticas. O Banco de Dados SQL sem Servidor pausa automaticamente durante a inatividade para otimizar o custo, fornecendo o mecanismo completo do SQL Server. |
Soluções de data lake
As plataformas a seguir armazenam grandes quantidades de dados brutos estruturados e não estruturados em seu formato nativo para processamento futuro.
| Serviço AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazônia S3 | OneLake, Data Lake Storage | O Data Lake Storage e o Amazon S3 são soluções de armazenamento de objetos escalonáveis projetadas para análise de Big Data. Eles dão suporte a formatos como Parquet, CSV (valores separados por vírgulas) e JSON. O Data Lake Storage é otimizado para ferramentas nativas do Azure, enquanto o Amazon S3 se integra aos serviços do AWS. O OneLake unifica dados estruturados e não estruturados entre nuvens em um único lago controlado. Com os atalhos do OneLake, o Fabric pode virtualizar dados do Amazon S3, do Data Lake Storage e do Google Cloud sem duplicação, o que dá suporte ao acesso e à análise. O OneLake dá suporte à flexibilidade de várias nuvens, à integração de ETL zero e ao Delta Lake. |
| Formação do AWS Lake | OneLake | O AWS Lake Formation gerencia data lakes dentro do ecossistema da AWS. O OneLake fornece um data lake nativo de SaaS que dá suporte a todas as cargas de trabalho do Fabric, incluindo lakehouses, warehouses, Real-Time Intelligence e Power BI. O OneLake não requer nenhuma configuração extra e inclui governança interna por meio do Microsoft Purview. Ele também tem suporte nativo para Delta Lake e atalhos para virtualização multinuvem, incluindo o Amazon S3. |
| Amazônia Athena | Fabric Lakehouse | O Amazon Athena é um mecanismo de consulta sem servidor que permite a análise de SQL em tempo real diretamente nos dados armazenados no Amazon S3. O Fabric Lakehouse fornece um ambiente integrado para engenharia e análise de dados. Ele armazena dados no OneLake usando o formato Delta Lake e dá suporte a Spark, T-SQL e Python. |
| Catálogo de dados de cola do AWS | Microsoft Purview | O Catálogo de Dados de Cola do AWS centraliza metadados para análise e aprendizado de máquina. Ele serve como um repositório de metadados e registro de esquema e requer outros serviços para gerenciar linhagem, política e governança. O Microsoft Purview é um serviço unificado de governança de dados que abrange o Azure, o OneLake e ambientes locais e multinuvem. Ele cataloga dados no OneLake, Armazenamento de Data Lake e outras fontes. Ele fornece classificação de dados, visualização de linhagem, gerenciamento de políticas e integração de glossário por meio de seu Catálogo Unificado. Do ponto de vista do data lake, o Microsoft Purview oferece uma abordagem de governança em primeiro lugar, ao conectar metadados, segurança e conformidade em uma única plataforma. |
Análise de Big Data
Esses serviços processam e analisam conjuntos de dados grandes e complexos para descobrir padrões, insights e tendências. A tabela a seguir fornece comparações diretas de serviços de Big Data individuais. O Fabric é um serviço all-in-one para Big Data e análise. Ele fornece os seguintes serviços e muito mais.
| Serviço AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazon EMR | Cargas de trabalho de Engenharia de Dados do Fabric que usam o Spark | O Amazon EMR é um serviço de Big Data gerenciado que executa estruturas como Spark, Hadoop e Hive. Você deve provisionar e ajustar clusters. A carga de trabalho de Engenharia de Dados do Fabric usa o Spark para remover a necessidade de gerenciamento de cluster. Ele fornece uma experiência sem servidor, integrada e governada dentro do ecossistema do Fabric. |
| Amazon EMR | Azure Databricks | Esses serviços dão suporte ao processamento de Big Data por meio do Spark em um ambiente gerenciado. O Amazon EMR executa clusters Spark e fornece opções flexíveis de configuração e dimensionamento. O Azure Databricks fornece uma plataforma spark otimizada que inclui notebooks colaborativos e fluxos de trabalho integrados. |
| Amazon Kinesis | Hubs de Eventos do Azure e Azure Stream Analytics | Esses serviços fornecem streaming e análise de dados em tempo real para processar e analisar fluxos de dados de alto volume. |
| AWS Glue com AWS Glue Studio | Cargas de trabalho de Engenharia de Dados do Fabric que usam o Spark | O AWS Glue Studio combinado com o Amazon Kinesis fornece integração de dados e pipelines de streaming em tempo real, mas requer o gerenciamento da movimentação de dados entre os serviços. As cargas de trabalho de Engenharia de Dados do Fabric usam o Spark para fornecer esses recursos diretamente na plataforma Fabric. Transformações em lote e streaming, orquestração e governança se integram ao OneLake, Purview e Power BI. O Fabric oferece uma única experiência para integração e engenharia de dados, sem gerenciamento de serviços separados para ETL, streaming e análise. |
| AWS Glue com AWS Glue Studio | Azure Databricks e Data Factory | Ambas as combinações de serviço fornecem recursos de processamento de Big Data que incluem transformação e análise de dados integradas. |
Inteligência de negócios e análise de relatórios
Os serviços a seguir fornecem visualização de dados, relatórios e dashboards para ajudá-lo a tomar decisões informadas.
| Serviço AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Visão rápida da Amazon | Power BI | O Power BI e o Amazon Quick Sight fornecem ferramentas de análise de negócios para visualização de dados e painéis interativos. |
| Grafana gerenciado pela Amazon | Espaço Gerenciado do Azure para Grafana | Esses serviços fornecem Grafana gerenciado para visualizar métricas, logs e rastros em várias fontes de dados. |
| Troca de dados do AWS | Compartilhamento de dados externos no Fabric e atalhos do OneLake | O AWS Data Exchange fornece um marketplace no qual sua organização pode assinar e consumir conjuntos de dados externos. O serviço gerencia o licenciamento e a entrega segura. No Fabric, a colaboração externa está disponível por meio de atalhos do OneLake e compartilhamento entre locatários. Os dados externos ficam disponíveis no Spark, SQL, KQL e Power BI. |
| Troca de dados do AWS | Compartilhamento de dados do Azure | Esses serviços facilitam o compartilhamento seguro e a troca de dados entre as organizações. O AWS Data Exchange fornece um modelo de marketplace. O Data Share se concentra no compartilhamento de dados entre locatários. |
| Amazon OpenSearch Service com Kibana | Banco de dados KQL do Fabric com o Power BI | O Amazon OpenSearch Service com Kibana fornece uma plataforma de pesquisa e análise gerenciada para indexação, consulta e visualização de grandes conjuntos de dados, geralmente usados para análise de log e observabilidade. O Fabric fornece recursos semelhantes por meio de seu banco de dados KQL para exploração de dados em tempo real, combinado com o Power BI para relatórios interativos. |
| Amazon OpenSearch Service com Kibana | Azure AI Search, Azure Data Explorer e dashboards | Esses serviços fornecem exploração de dados em tempo real e análise interativa em grandes volumes de dados. O Amazon OpenSearch usa o Kibana para pesquisa e visualização. A Pesquisa de IA fornece uma pesquisa de texto completo inteligente. O Azure Data Explorer usa KQL para alimentar análises de alto desempenho e em tempo real com painéis interativos para visualização. |
Processamento de dados em tempo real
Os sistemas a seguir ingerem e analisam dados conforme são gerados para fornecer insights e respostas imediatos.
| Serviço AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazon Kinesis | Fabric Real-Time Intelligence Hub, Fabric eventstream com o banco de dados Fabric KQL | O Amazon Kinesis permite streaming, ingestão e processamento de dados em tempo real em serviços como Amazon S3, Amazon Redshift e AWS Lambda. O Fabric oferece uma arquitetura de streaming com o hub de inteligência em tempo real, que suporta a ingestão de múltiplas fontes, incluindo Amazon Kinesis, Apache Kafka, Event Hubs e Google Pub/Sub. Os fluxos de eventos do Fabric gerenciam o roteamento de fluxo, a transformação e os alertas. |
| Amazon Kinesis | Hubs de Eventos e Stream Analytics | Esses serviços processam e analisam dados de dispositivos IoT (Internet das Coisas) em tempo real. O Amazon Kinesis fornece recursos de ingestão e processamento de streaming. O Azure fornece serviços modulares. Os Hubs de Eventos lidam com a ingestão de dados e o Stream Analytics processa os dados. |
| Amazon Managed Streaming for Kafka (MSK) | Fluxo de eventos do Fabric com pontos de extremidade Kafka | O Amazon MSK é um serviço Kafka gerenciado na AWS. Os fluxos de eventos do Fabric suportam pontos de extremidade Kafka para a publicação e o consumo de dados via o protocolo Kafka. Esses fluxos de eventos também podem ingerir dados diretamente do Amazon MSK no Hub de Inteligência em Tempo Real do Fabric para processamento e análise downstream, como em um sistema de eventos com o Power BI. O Azure fornece um plano de ingestão compatível com Kafka gerenciado (Hubs de Eventos) e um cluster Kafka gerenciado (Azure HDInsight). O Fabric fornece um hub de análise de ponta a ponta em tempo real que se integra ao Kafka. |
| Amazon MSK | Hubs de Eventos para Kafka | Esses serviços fornecem clusters Kafka gerenciados para criar pipelines e aplicativos de dados de streaming em tempo real. Event Hubs para Kafka expõe um endpoint compatível com Kafka, e os clientes já existentes podem se conectar com alterações mínimas. Ele também dá suporte a fluxos Kafka em camadas Premium e Dedicadas. |
| AWS Lambda | Notebooks do Fabric com pipelines de dados do Fabric para processamento de dados sem servidor | O AWS Lambda é uma computação sem servidor e controlada por eventos para executar código sem gerenciar servidores. Para processamento focado em análise, no estilo sem servidor, no Fabric, você pode usar notebooks do Fabric com pipelines do Azure Data Factory. Os notebooks executam trabalhos gerenciados do Spark para ingestão, limpeza e transformação de dados. Os pipelines orquestram e agendam esses notebooks como parte de fluxos de trabalho de dados completos, que fornecem computação sob demanda e sem necessidade de gerenciamento de cluster na plataforma Fabric. |
| AWS Lambda | Azure Functions com o Gerenciamento de API do Azure para gatilhos de API | Essas plataformas de computação sem servidor executam código em resposta a eventos e gerenciam automaticamente os recursos de computação subjacentes. O Azure Functions fornece o mesmo modelo de implementação de dimensionamento automático controlado por eventos e geralmente emparelha com o Gerenciamento de API e outros gatilhos do Azure. A Microsoft também fornece um guia de migração do Lambda para o Azure Functions para facilitar a paridade e as movimentações de código. |
| Amazon DynamoDB Streams | Espelhamento de malha (Azure Cosmos DB) com fluxos de eventos do Fabric | Os fluxos do Amazon DynamoDB fornecem um feed em tempo real de alterações no nível do item nas tabelas do Amazon DynamoDB, o que permite processamento controlado por eventos e análise downstream. No caso do Fabric, ao espelhar o Azure Cosmos DB no OneLake para análise, elimina-se a sobrecarga de ETL. Combine fluxos de eventos do Fabric com essa configuração para rotear eventos em tempo real e integrar-se a bancos de dados do Fabric KQL ou lakehouses. |
| Amazon DynamoDB Streams | Feed de alterações do Azure Cosmos DB | Esses serviços permitem o processamento de dados em tempo real, capturando e fornecendo um fluxo de modificações de dados. |
| Amazon ElastiCache com fluxos Redis | Cache do Azure para Redis com fluxos Redis | Esses serviços fornecem instâncias gerenciadas do Redis que oferecem suporte a streams do Redis para ingestão e processamento de dados em tempo real. |
| Análise de IoT da Amazon | Fluxos de eventos do Fabric com o banco de dados KQL do Fabric | O Amazon IoT Analytics é um serviço gerenciado que coleta, processa e analisa dados do dispositivo IoT em escala. Os fluxos de eventos do Fabric ingerem a telemetria IoT e a roteiam para o banco de dados KQL do Fabric para consulta e análise em tempo real. |
| Análise de IoT do AWS | Hub IoT do Azure com Stream Analytics | Esses serviços permitem processar e analisar dados de dispositivos IoT em tempo real. O Amazon IoT Analytics fornece recursos internos de armazenamento e análise de dados. O Azure fornece serviços modulares. O Hub IoT manipula a ingestão e o Stream Analytics processa os dados. |
Serviços de aprendizado de máquina
As ferramentas e plataformas a seguir permitem o desenvolvimento, o treinamento e a implantação de modelos de machine learning.
| Serviço AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazon SageMaker | Carga de trabalho de Ciência de Dados do Fabric com integração do Machine Learning | O Amazon SageMaker é uma plataforma gerenciada para criar, treinar e implantar modelos de machine learning em escala. O Azure fornece um equivalente por meio do Machine Learning, um serviço gerenciado de ponta a ponta que dá suporte à preparação de dados, aprendizado de máquina automatizado, implantação de modelo e operações de machine learning. A carga de trabalho de Ciência de Dados do Fabric fornece desenvolvimento e enriquecimento de modelos. Ele se integra ao Machine Learning para treinamento, aceleração de GPU e implantação de nível empresarial. |
| AMIs (imagens de máquina da Amazon) de aprendizado profundo do AWS | Máquinas virtuais de Ciência de Dados (VMs) com Machine Learning | As AMIs de aprendizado profundo do AWS fornecem imagens de VM predefinidas com estruturas de aprendizado profundo populares, drivers de GPU e bibliotecas para acelerar o desenvolvimento de modelos de IA. O Azure fornece uma experiência semelhante por meio de VMs de Ciência de Dados, que vêm pré-configuradas com Estruturas de Python, R, Jupyter e aprendizado profundo, como TensorFlow e PyTorch. Combine o Machine Learning com VMs de Ciência de Dados para criar uma plataforma gerenciada para operações de treinamento, implantação e machine learning. |
| Piloto automático do Amazon SageMaker | Carga de trabalho de Ciência de Dados do Fabric com integração do Machine Learning | O Amazon SageMaker Autopilot automatiza o ciclo de vida do aprendizado de máquina manipulando o pré-processamento de dados, a seleção de algoritmos e o ajuste do hiperparâmetro com o mínimo de esforço manual. A carga de trabalho de Ciência de Dados do Fabric fornece desenvolvimento automatizado de modelos controlados por machine learning e integra-se ao Machine Learning para treinamento e operacionalização. |
| Piloto automático do Amazon SageMaker | Machine learning automatizado | Esses serviços fornecem aprendizado de máquina automatizado para criar e treinar modelos. |
| Estúdio do Amazon SageMaker | Carga de trabalho de Ciência de Dados do Fabric com integração do Machine Learning | O Amazon SageMaker Studio é um ambiente de desenvolvimento integrado para machine learning na AWS. Ele fornece uma única interface baseada na Web para criar, treinar e implantar modelos. A carga de trabalho de Ciência de Dados do Fabric combina notebooks colaborativos e ambientes baseados em Spark em uma plataforma de análise unificada e integra-se ao Machine Learning para treinamento e implantação. |
| Estúdio do Amazon SageMaker | Estúdio do Azure Machine Learning | Esses serviços fornecem ambientes de desenvolvimento integrados para aprendizado de máquina. O Amazon SageMaker Studio fornece uma interface unificada para todas as etapas de desenvolvimento de machine learning, incluindo ferramentas de depuração e criação de perfil. |
Serviços de inteligência artificial
Os serviços de IA fornecem recursos de IA predefinidos e personalizáveis para aplicativos, incluindo recursos de visão, fala, linguagem e tomada de decisão.
| Serviço AWS | Serviço do Azure | Análise |
|---|---|---|
| Amazon Rekognition | Visão de IA do Azure com a Visão Personalizada da IA do Azure | O Amazon Rekognition é um serviço de pesquisa visual computacional para análise de imagem e vídeo. Ele fornece detecção de objetos, reconhecimento facial e extração de texto. A Visão de IA do Azure fornece modelos predefinidos para compreensão de imagem e vídeo. Você pode usar a Visão Personalizada para treinar modelos específicos do domínio com seus próprios dados. |
| Amazon Polly | Conversão de texto em fala de IA do Azure | O Amazon Polly é um serviço de conversão de texto em fala que converte texto em fala realista usando vozes neurais em vários idiomas. A tecnologia de conversão de texto em fala baseada em IA fornece vozes neurais de alta qualidade, transmissão em tempo real e síntese em lote para aplicativos como assistentes de voz, sistemas de resposta de voz interativa (IVR) e soluções de acessibilidade. A Fala de IA também dá suporte à criação de voz neural personalizada para criar vozes exclusivas e específicas da marca, mantendo a segurança e a conformidade de nível empresarial. |
| Transcrever a Amazon | Conversão de fala em texto do Azure AI Speech | O Amazon Transcribe fornece conversão de fala em texto com transcrição em tempo real e vocabulários personalizados, comumente usados para análise de chamadas e legendas. IA de conversão de fala em texto fornece transcrição em tempo real e em lote, diarização de locutor e modelos personalizados para precisão específica de domínio. |
| Tradução da Amazon | Tradutor de IA do Azure | O Amazon Translate é um serviço de tradução automática neural que fornece traduções em vários idiomas para sites, aplicativos e conteúdo multilíngue. O Tradutor de IA do Azure fornece recursos semelhantes com tradução em tempo real e em lote em mais de 100 idiomas. Ele também inclui recursos como transliteração, detecção de idioma e glossários personalizados para precisão específica do domínio. |
| Amazon Compreender | Idioma de IA do Azure | O Amazon Comprehend é um serviço de NLP (processamento de linguagem natural) que extrai insights do texto, incluindo sentimento, frases-chave e entidades. Esses recursos ajudam a analisar os comentários e documentos dos clientes. A Linguagem de IA do Azure (análise de texto) fornece recursos semelhantes com recursos como análise de sentimento, extração de frase-chave, reconhecimento de entidade nomeada e classificação de texto personalizado. |
| Amazon Lex | Compreensão da linguagem conversacional no Microsoft Foundry | Esses serviços criam interfaces de conversação que usam a compreensão da linguagem natural. O Azure adota uma abordagem modular, em que a compreensão da linguagem conversacional lida com o reconhecimento de intenção e a extração de entidade. Outros componentes gerenciam o diálogo e a integração. O Amazon Lex fornece uma solução integrada para criar interfaces de conversa inteiramente dentro do ecossistema da AWS. |
| Amazon Textract | Inteligência de Documentos de IA do Azure | O Amazon Textract é um serviço de machine learning que extrai texto e dados de documentos verificados, incluindo tabelas e formulários, para automatizar o processamento de documentos. O Document Intelligence fornece funcionalidade semelhante com o OCR (reconhecimento óptico de caracteres), modelos predefinidos para faturas, recibos e IDs e a capacidade de treinar modelos personalizados para formulários específicos do domínio. O Document Intelligence dá suporte à extração de vários idiomas e fornece análise de layout para documentos complexos. |
| Serviço Amazon OpenSearch | Pesquisa de IA | O Amazon OpenSearch Service é um mecanismo de pesquisa e análise gerenciado baseado no Elasticsearch, comumente usado para análise de log, pesquisa de texto completo e exploração de dados em tempo real. O AI Search fornece recursos semelhantes com enriquecimento interno de IA, pesquisa híbrida (palavra-chave com vetor) e integração com os serviços do Azure para segurança e conformidade. Ele dá suporte a cenários como pesquisa semântica e RAG (geração aumentada por recuperação). |
Serviços de IA generativa
Os serviços de IA a seguir criam novos conteúdos ou dados que se assemelham à saída gerada por humanos, como texto, imagens ou áudio.
| Serviço AWS | Serviço do Azure | Análise |
|---|---|---|
| Rocha Amazônica | Microsoft Foundry | Esses serviços fornecem modelos básicos para criar e implantar aplicativos de IA generativos. |
Colaboradores
A Microsoft mantém este artigo. Os colaboradores a seguir escreveram este artigo.
Autor principal:
- Regina Hackenberg | Especialista Técnico Sênior
Outro colaborador:
- Filipa Lobão | Arquiteto de Soluções na Nuvem
Para ver perfis não públicos no LinkedIn, entre no LinkedIn.