Nota
O acesso a esta página requer autorização. Podes tentar iniciar sessão ou mudar de diretório.
O acesso a esta página requer autorização. Podes tentar mudar de diretório.
Este artigo compara os principais dados do Azure e serviços de IA com as soluções correspondentes da Amazon Web Services (AWS).
Para comparar outros serviços do Azure e da AWS, consulte Azure para profissionais da AWS.
Governança, gerenciamento e plataformas de dados
Tanto o Microsoft Purview quanto a combinação de serviços da AWS descrita 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 AWS | Serviço da Microsoft | Descrição |
|---|---|---|
| Catálogo de dados do AWS Glue, AWS Lake Formation, Amazon Macie, AWS Identity and Access Management (IAM), AWS Config | Microsoft Purview | Ambas as opções fornecem recursos de governança, catalogação e conformidade de dados. O Microsoft Purview é uma solução unificada de governança de dados. Você pode usá-lo para descobrir, classificar e gerenciar dados em ambientes locais, multicloud e SaaS (software como serviço). Fornece também linhagem de dados e capacidades de conformidade. A AWS oferece recursos comparáveis por meio de vários serviços, incluindo o AWS Glue Data Catalog para gerenciamento de metadados, o AWS Lake Formation para criação e governança de data lakes, o Amazon Macie para classificação e proteção de dados, o AWS IAM para controle de acesso e o AWS Config para gerenciamento de configuração e acompanhamento de conformidade. |
Plataforma tudo-em-um versus serviços da AWS
O Microsoft Fabric fornece uma plataforma tudo-em-um que unifica os dados e os serviços de IA necessários para soluções de análise modernas. Ele move dados de forma eficiente entre serviços, fornece governança e segurança unificadas e simplifica os modelos de preços. Essa abordagem contrasta com a abordagem da AWS, onde você costuma usar serviços separados e deve investir mais esforço na integração. O Fabric fornece integração entre essas funções dentro do ecossistema do Azure.
Tanto a AWS quanto o Fabric oferecem recursos para integração de dados, processamento, análises, aprendizado de máquina e business intelligence.
| Serviço do AWS | Serviço da Microsoft | Descrição |
|---|---|---|
| AWS Glue | Integração de dados de malha com o Azure Data Factory | O AWS Glue oferece recursos para criar soluções de dados e análises. Essa abordagem oferece flexibilidade, mas requer mais esforço para integrar cada serviço em uma solução completa. O Fabric combina recursos em uma única plataforma para simplificar fluxos de trabalho, colaboração e gerenciamento. |
Comparação detalhada dos serviços da AWS e dos componentes do Fabric
A tabela a seguir compara os principais componentes do Fabric e seus serviços correspondentes da AWS. Ele ajuda arquitetos e tomadores de decisão a entender como a plataforma de dados Fabric alinha ou diverge das ofertas da AWS em cargas de trabalho de engenharia de dados, análises, governança e IA.
Integração de dados e ferramentas ETL
As ferramentas de integração e extração, transformação e carregamento (ETL) de dados ajudam a extrair, transformar e carregar dados de várias fontes em um sistema unificado para análise.
| Serviço do AWS | Serviço da Microsoft | Análise |
|---|---|---|
| AWS Glue | 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 Apache Airflow no Fabric serve como a próxima geração do Data Factory Workflow Orchestration Manager. Você pode usar esse recurso para criar e gerenciar trabalhos do Apache Airflow e executar gráficos acíclicos direcionados (DAGs). Como parte do Azure Data Factory in Fabric, o recurso de tarefa Airflow proporciona integração, preparação e transformação de dados provenientes de fontes de dados, como bases de dados, data warehouses, lakehouses e dados em tempo real. O AWS MCHAA é uma solução gerenciada de fluxo de ar. |
| Serviço de migração de banco de dados da AWS (DMS) | Assistente de Migração do Fabric para Armazém de Dados | Esses serviços ajudam a migrar bancos de dados da AWS para o Azure. O Fabric Migration Assistant é uma ferramenta integrada no Fabric que o orienta na migração de dados e metadados de bancos de dados de origem na AWS para o Fabric Data Warehouse. Ele converte esquemas, usa IA para resolver problemas de migração e suporta a migração de fontes baseadas em SQL. O AWS DMS se concentra em migrações dentro do ambiente da AWS e fornece recursos de replicação contínua para arquiteturas híbridas. |
| AWS DMS | Serviço de Migração de Banco de Dados do Azure | Esses serviços ajudam a migrar bancos de dados para a nuvem com o mínimo de tempo de inatividade. O serviço do Azure concentra-se na migração para bancos de dados do Azure e inclui ferramentas de avaliação e recomendação. O AWS DMS se concentra em migrações dentro do ambiente da AWS e fornece recursos de replicação contínua para arquiteturas híbridas. |
| Amazon AppFlow | Aplicativos Lógicos do Azure | Esses serviços automatizam os fluxos de dados entre aplicativos e serviços em nuvem sem a necessidade de código. O Logic Apps fornece recursos de integração por meio de uma ampla gama de conectores e um designer visual. O AppFlow fornece transferência segura de dados entre aplicativos SaaS específicos e serviços da AWS e inclui recursos integrados de transformação de dados. |
| Funções do AWS Step | Data Factory com Logic Apps | Esses serviços fornecem orquestração de fluxo de trabalho para coordenar aplicativos distribuídos e microsserviços. O Logic Apps suporta integração de dados e automação do fluxo de trabalho corporativo. O Step Functions orquestra serviços e microsserviços da 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 do AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazon Redshift | Armazém de dados da plataforma | O Fabric Data Warehouse e o Amazon Redshift são armazéns de dados gerenciados, baseados em nuvem e em escala de petabyte (PB), projetados para análises 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 da AWS e se concentra no armazenamento de dados. Ambos os serviços suportam processamento paralelo maciço. O Fabric tem uma arquitetura lake-first e uma integração profunda entre 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 que prioriza o lago. Use os atalhos do OneLake para virtualizar dados de várias fontes em um único lago lógico sem movimento. O modo Direct Lake no Power BI oferece 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 de lagos da AWS | Modelo de permissão OneLake, Microsoft Purview in Fabric e Fabric | AWS Lake Formation oferece governança e controlo de acesso sobre os data lakes baseados na Amazon S3. Por outro lado, o Fabric oferece esses recursos por meio do OneLake combinado com o Microsoft Purview para catalogação, linhagem e governança de dados. Você usa o controle de acesso baseado em função (RBAC) e a segurança refinada para fornecer acesso entre espaços de trabalho, tabelas e colunas. |
| Amazon Relational Database Service (RDS) com Amazon Redshift Federated Query | Base 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 Fabric Banco de Dados SQL introduz um mecanismo SQL nativo de SaaS com escalonamento automático, governança incorporada e integração com a plataforma Fabric. Os pipelines de dados do Fabric oferecem suporte à ingestão de dados 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 utilizando Amazon Redshift Federated Query | Base de Dados SQL do Azure | Esses serviços oferecem suporte à consulta entre bancos de dados operacionais e data warehouses. O Banco de Dados SQL pode se integrar aos serviços de análise do Azure. Por outro lado, a AWS exige que você combine o RDS e o Amazon Redshift para recursos de consulta entre serviços por meio de consultas federadas. |
| Amazon Aurora com integração com o Amazon Redshift | Banco de dados SQL na plataforma | O Amazon Aurora lida com dados operacionais e o Amazon Redshift executa análises em larga escala por meio de consultas federadas e ingestão de lotes. O Banco de Dados SQL de malha fornece um mecanismo relacional gerenciado e de dimensionamento automático que se integra nativamente ao OneLake e ao Power BI. Esta configuração suporta análise e governança unificadas. |
| Amazon Aurora com integração com o Amazon Redshift | Banco de dados SQL sem servidor | Esses bancos de dados relacionais gerenciados e nativos da nuvem 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 para soluções econômicas para cargas de trabalho transacionais e analíticas. O SQL Database Serverless pausa automaticamente durante a inatividade para otimizar os custos enquanto fornece 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 do AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazon S3 | OneLake, armazenamento Data Lake | O Data Lake Storage e o Amazon S3 são soluções escaláveis de armazenamento de objetos projetadas para análise de big data. Eles suportam formatos como Parquet, valores separados por vírgula (CSV) e JSON. O armazenamento Data Lake é otimizado para ferramentas nativas do Azure, enquanto o Amazon S3 se integra aos serviços da AWS. O OneLake unifica dados estruturados e não estruturados entre nuvens em um único lago governado. 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 oferece suporte a acesso e análises. O OneLake suporta flexibilidade multicloud, integração zero-ETL e Delta Lake. |
| Formação de lagos da AWS | OneLago | O AWS Lake Formation gerencia data lakes dentro do ecossistema da AWS. O OneLake fornece um data lake nativo de SaaS que suporta todas as cargas de trabalho do Fabric, incluindo lakehouses, armazéns de dados, Real-Time Intelligence e Power BI. O OneLake não requer nenhuma configuração extra e inclui governança integrada através do Microsoft Purview. Ele também tem suporte nativo para Delta Lake e atalhos para virtualização multicloud, incluindo Amazon S3. |
| Amazon Athena | Casa do lago em tecido | O Amazon Athena é um mecanismo de consulta sem servidor que permite a análise SQL em tempo real diretamente nos dados armazenados no Amazon S3. Um lago Fabric fornece um ambiente integrado para engenharia e análise de dados. Ele armazena dados no OneLake usando o formato Delta Lake e suporta Spark, T-SQL e Python. |
| Catálogo de dados do AWS Glue | Microsoft Purview | O AWS Glue Data Catalog 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 Azure, OneLake e ambientes locais e multicloud. Ele cataloga dados no OneLake, Data Lake Storage e outras fontes. Ele fornece classificação de dados, visualização de linhagem, gerenciamento de políticas e integração de glossários por meio de seu Catálogo Unificado. Do ponto de vista do data lake, o Microsoft Purview oferece uma abordagem de governança em primeiro lugar, conectando metadados, segurança e conformidade em uma plataforma. |
Análise de macrodados
Esses serviços processam e analisam conjuntos de dados grandes e complexos para descobrir padrões, perceções e tendências. A tabela a seguir fornece comparações diretas de serviços individuais de big data. O Fabric é um serviço tudo-em-um para big data e análises. Ele fornece os seguintes serviços e muito mais.
| Serviço do AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazon EMR | Cargas de trabalho de engenharia de dados da Fabric que usam 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 do Fabric Data Engineering 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 suportam o processamento de big data via Spark em um ambiente gerenciado. O Amazon EMR executa clusters do Spark e fornece opções flexíveis de configuração e escalabilidade. O Azure Databricks fornece uma plataforma Spark otimizada que inclui blocos de anotações colaborativos e fluxos de trabalho integrados. |
| Amazon Kinesis | Hubs de Eventos do Azure e Análise de Fluxo do Azure | Esses serviços fornecem streaming e análise de dados em tempo real para processamento e análise de fluxos de dados de alto volume. |
| AWS Glue utilizando o AWS Glue Studio | Cargas de trabalho de engenharia de dados da Fabric que usam Spark | O AWS Glue Studio combinado com o Amazon Kinesis oferece integração de dados e pipelines de streaming em tempo real, mas requer o gerenciamento da movimentação de dados entre serviços. As cargas de trabalho do Fabric Data Engineering usam o Spark para fornecer esses recursos diretamente na plataforma Fabric. Transformações em lote e em streaming, orquestração e governança integram-se com o OneLake, Purview e Power BI. O Fabric oferece uma experiência única para integração e engenharia de dados, sem gerenciamento de serviços separados para ETL, streaming e análise. |
| AWS Glue utilizando o AWS Glue Studio | Azure Databricks e Data Factory | Ambas as combinações de serviços fornecem recursos de processamento de big data que incluem transformação e análise de dados integradas. |
Business intelligence e geração de relatórios
Os serviços a seguir fornecem visualização de dados, relatórios e painéis para ajudá-lo a tomar decisões informadas.
| Serviço do AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Visão rápida do 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 Gerida pela Amazon | Azure Managed Grafana | Esses serviços fornecem o Grafana gerenciado para visualizar métricas, logs e rastreamentos em várias fontes de dados. |
| Intercâmbio de dados da AWS | Compartilhamento de dados externos no Fabric e atalhos do OneLake | O AWS Data Exchange fornece um mercado onde sua organização pode se inscrever e consumir conjuntos de dados externos. O serviço processa 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. |
| Intercâmbio de dados da AWS | Compartilhamento de Dados do Azure | Estes serviços facilitam a partilha e troca segura de dados entre organizações. O AWS Data Exchange fornece um modelo de mercado. O Compartilhamento de Dados se concentra no compartilhamento de dados entre locatários. |
| Amazon OpenSearch Service com Kibana | Base de dados KQL do Fabric com Power BI | O Amazon OpenSearch Service com o Kibana fornece uma plataforma gerenciada de pesquisa e análise para indexação, consulta e visualização de grandes conjuntos de dados, comumente usados para análise de logs e observabilidade. O Fabric oferece 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 também painéis | Esses serviços fornecem exploração de dados em tempo real e análises interativas sobre grandes volumes de dados. O Amazon OpenSearch usa o Kibana para pesquisa e visualização. O AI Search fornece pesquisa inteligente de texto completo. O Azure Data Explorer usa o KQL para potencializar 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 à medida que são gerados para fornecer insights e respostas imediatas.
| Serviço do AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazon Kinesis | Hub Fabric Real-Time Intelligence, fluxo de eventos Fabric com 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 fornece arquitetura de streaming com o hub Real-Time Intelligence, que oferece suporte à ingestão de várias fontes, incluindo Amazon Kinesis, Apache Kafka, Event Hubs e Google Pub/Sub. Os fluxos de eventos de malha gerenciam o roteamento, a transformação e os alertas de fluxo. |
| Amazon Kinesis | Hubs de eventos e análise de fluxo | Esses serviços processam e analisam dados de dispositivos de Internet das Coisas (IoT) em tempo real. O Amazon Kinesis oferece 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 para Kafka (MSK) | Eventstream de malha com pontos de extremidade Kafka | O Amazon MSK é um serviço Kafka gerenciado na AWS. Os fluxos de eventos Fabric suportam pontos de extremidade Kafka para publicação e consumo de dados através do protocolo Kafka. Esses fluxos de eventos também podem ingerir dados diretamente do Amazon MSK no hub Fabric Real-Time Intelligence para processamento e análise downstream, como com uma casa 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 completo e em tempo real que se integra ao Kafka. |
| Amazon MSK | Hubs de eventos para Kafka | Esses serviços fornecem clusters Kafka gerenciados para a criação de pipelines de dados e aplicativos de streaming em tempo real. Hubs de Eventos para Kafka expõem um endpoint compatível com Kafka, e os clientes existentes podem conectar-se com mudanças mínimas. Ele também suporta fluxos Kafka nos níveis Premium e Dedicado. |
| AWS Lambda | Notebooks de Fabric com pipelines de dados de Fabric para processamento de dados sem servidor. | O AWS Lambda é uma computação sem servidor e orientada a eventos para executar código sem gerenciar servidores. Para processamento com foco em análise, de estilo sem servidor no Fabric, pode-se usar notebooks do Fabric com pipelines do Azure Data Factory. Notebooks executam trabalhos geridos do Spark para ingestão, limpeza e transformação de dados. Os pipelines orquestram e agendam esses notebooks como parte de fluxos de trabalho de dados de ponta a ponta, o que fornece computação sob demanda sem a necessidade de gerenciamento de clusters dentro da 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 orientado a eventos e normalmente 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 de malha | Os streams do Amazon DynamoDB fornecem um feed em tempo real de alterações no nível do item nas tabelas do Amazon DynamoDB, o que permite o processamento controlado por eventos e a análise downstream. Ao utilizar o Fabric, a replicação do Azure Cosmos DB no OneLake para análises elimina a sobrecarga de ETL. Combine fluxos de eventos do Fabric com essa configuração para rotear eventos em tempo real e integrá-los a bancos de dados ou lakehouses do Fabric KQL. |
| 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 | Azure Cache para Redis com Redis Streams | Esses serviços fornecem instâncias Redis gerenciadas que suportam fluxos Redis para ingestão e processamento de dados em tempo real. |
| Análise do Amazon IoT | Fabric eventstreams com o banco de dados Fabric KQL | O Amazon IoT Analytics é um serviço gerenciado que coleta, processa e analisa dados de dispositivos IoT em escala. Os eventstreams do Fabric recebêm telemetria de IoT e encaminham-na para o banco de dados Fabric KQL para consultas e análises em tempo real. |
| Análise do AWS IoT | Hub IoT do Azure com Stream Analytics | Esses serviços permitem processar e analisar dados de dispositivos IoT em tempo real. O Amazon IoT Analytics oferece recursos integrados de armazenamento e análise de dados. O Azure fornece serviços modulares. O Hub IoT trata da ingestão, e o Stream Analytics processa os dados. |
Serviços de aprendizagem automática
As ferramentas e plataformas a seguir permitem o desenvolvimento, treinamento e implantação de modelos de aprendizado de máquina.
| Serviço do AWS | Serviço da Microsoft | Análise |
|---|---|---|
| Amazon SageMaker | Carga de trabalho do Fabric Data Science com integração de Machine Learning | O Amazon SageMaker é uma plataforma gerenciada para criar, treinar e implantar modelos de aprendizado de máquina em escala. O Azure fornece um equivalente através do Machine Learning, um serviço gerido de ponta a ponta que suporta a preparação de dados, aprendizagem automática de máquina, implementação de modelos e operações de aprendizagem automática. A carga de trabalho do Fabric Data Science fornece desenvolvimento e enriquecimento de modelos. Ele se integra ao Machine Learning para treinamento, aceleração de GPU e implantação de nível empresarial. |
| Imagens de máquina da Amazon (AMIs) de aprendizado profundo da AWS | Máquinas virtuais (VMs) de Ciência de Dados com Machine Learning | As AMIs de aprendizado profundo da AWS fornecem imagens de VM pré-criadas com estruturas populares de aprendizado profundo, 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 Python, R, Jupyter e estruturas de aprendizado profundo como TensorFlow e PyTorch. Combine Machine Learning com VMs de Ciência de Dados para criar uma plataforma gerenciada para operações de treinamento, implantação e aprendizado de máquina. |
| Piloto automático do Amazon SageMaker | Carga de trabalho do Fabric Data Science com integração de 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 de hiperparâmetros com o mínimo de esforço manual. A carga de trabalho do Fabric Data Science fornece desenvolvimento de modelo automatizado orientado por aprendizado de máquina e integra-se ao Machine Learning para treinamento e operacionalização. |
| Piloto automático do Amazon SageMaker | Aprendizagem automática de máquina | Esses serviços fornecem aprendizado de máquina automatizado para modelos de construção e treinamento. |
| Estúdio Amazon SageMaker | Carga de trabalho do Fabric Data Science com integração de Machine Learning | O Amazon SageMaker Studio é um ambiente de desenvolvimento integrado para aprendizado de máquina na AWS. Ele fornece uma única interface baseada na Web para criar, treinar e implantar modelos. A carga de trabalho do Fabric Data Science combina notebooks colaborativos e ambientes baseados no Spark em uma plataforma de análise unificada e integra-se ao Machine Learning para treinamento e implantação. |
| Estúdio Amazon SageMaker | Estúdio de Aprendizagem de Máquina do Azure | 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 aprendizado de máquina, incluindo ferramentas de depuração e criação de perfil. |
Serviços de IA
Os serviços de IA fornecem recursos de IA pré-construídos e personalizáveis para aplicativos, incluindo recursos de visão, fala, linguagem e tomada de decisão.
| Serviço do AWS | Serviço do Azure | Análise |
|---|---|---|
| Amazon Rekognition | Azure AI Vision com Azure AI Custom Vision | O Amazon Rekognition é um serviço de visão computacional para análise de imagem e vídeo. Ele fornece deteção de objetos, reconhecimento facial e extração de texto. O Azure AI Vision fornece modelos pré-criados para compreensão de imagem e vídeo. Você pode usar a Visão Personalizada para treinar modelos específicos de domínio com seus próprios dados. |
| Amazon Polly | Conversão de texto em fala do Azure AI Speech | O Amazon Polly é um serviço de conversão de texto em fala que converte texto em fala realista usando vozes neurais em vários idiomas. O AI Speech text-to-speech fornece vozes neurais de alta qualidade, streaming em tempo real e síntese em lote para aplicações como assistentes de voz, sistemas de resposta de voz interativa (IVR) e soluções de acessibilidade. O AI Speech também suporta a criação de voz neural personalizada para criar vozes exclusivas e específicas da marca, mantendo a segurança e a conformidade de nível empresarial. |
| Amazon Transcribe | Azure AI Speech fala-para-texto | O Amazon Transcribe fornece transcrição de fala para texto com transcrição em tempo real e vocabulários personalizados, comumente usados para análise de chamadas e legendas. O serviço AI Speech de reconhecimento de fala fornece transcrição em tempo real e em lote, diarização de locutores e modelos personalizados para garantir precisão para casos de uso específicos. |
| Amazon Tradutor | Azure AI Translator | O Amazon Translate é um serviço de tradução automática neural que oferece traduções em vários idiomas para sites, aplicativos e conteúdo multilíngue. O Azure AI Translator fornece recursos semelhantes com tradução em tempo real e em lote em mais de 100 idiomas. Ele também inclui recursos como transliteração, deteção de idioma e glossários personalizados para precisão específica do domínio. |
| Amazon Comprend | Linguagem de IA do Azure | O Amazon Comprehend é um serviço de processamento de linguagem natural (NLP) que extrai informações do texto, incluindo sentimento, frases-chave e entidades. Esses recursos ajudam a analisar os comentários e documentos dos clientes. O Azure AI Language (análise de texto) fornece recursos semelhantes com recursos como análise de sentimento, extração de frases-chave, reconhecimento de entidade nomeada e classificação de texto personalizada. |
| Amazon Lex | Compreensão conversacional de línguas no Microsoft Foundry | Esses serviços criam interfaces de conversação que usam a compreensão de 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 entidades. Outros componentes gerem o diálogo e a integração. O Amazon Lex fornece uma solução integrada para a criação de interfaces de conversação totalmente dentro do ecossistema da AWS. |
| Amazon Textract | Azure AI Document Intelligence | O Amazon Textract é um serviço de aprendizado de máquina que extrai texto e dados de documentos digitalizados, incluindo tabelas e formulários, para automatizar o processamento de documentos. O Document Intelligence fornece funcionalidade semelhante com reconhecimento ótico de caracteres (OCR), modelos pré-construídos para faturas, recibos e IDs e a capacidade de treinar modelos personalizados para formulários específicos de domínio. O Document Intelligence suporta extração multilíngüe e fornece análise de layout para documentos complexos. |
| Serviço Amazon OpenSearch | Pesquisa AI | O Amazon OpenSearch Service é um mecanismo de pesquisa e análise gerenciado baseado no Elasticsearch, comumente usado para análise de logs, pesquisa de texto completo e exploração de dados em tempo real. O AI Search fornece recursos semelhantes com enriquecimento de IA integrado, pesquisa híbrida (palavra-chave com vetor) e integração com os serviços do Azure para segurança e conformidade. Ele suporta cenários como pesquisa semântica e geração de recuperação aumentada (RAG). |
Serviços de IA generativa
Os seguintes serviços de IA criam novos conteúdos ou dados que se assemelham à saída gerada por humanos, como texto, imagens ou áudio.
| Serviço do AWS | Serviço do Azure | Análise |
|---|---|---|
| Substrato rochoso amazônico | Microsoft Foundry | Esses serviços fornecem modelos básicos para criar e implantar aplicativos generativos de IA. |
Contribuidores
A Microsoft mantém este artigo. Os seguintes colaboradores escreveram este artigo.
Autor principal:
- Regina Hackenberg | Especialista Técnico Sénior
Outros contribuidores:
- Filipa Lobão | Arquiteto de Soluções na Nuvem
Para ver perfis não públicos do LinkedIn, faça login no LinkedIn.