我是Azure ML的新手。我有些疑惑。有人可以澄清下面列出的疑问。
答案 0 :(得分：5)
我会尽力回答这些问题，随时提出更多问题。 ：）
Azure ML服务Azure ML实验服务有什么区别？
基本上，Azure ML服务（我可以将其称为Azure ML Studio）使用拖放界面来构建您的工作流和测试模型。 Azure ML实验是Azure门户的一项新产品，可直接在Azure中托管它们，并提供更好的方式来管理模型。实验将使用Azure ML Workbench构建您的模型。
Azure ML工作台和Azure ML Studio之间有什么区别？
最大的区别是ML Studio具有用于构建工作流和模型的拖放界面，而Workbench允许您使用Python以编程方式构建模型。 Workbench还包含一种非常好用且功能强大的方法来清理应用程序中的数据。在Studio中，您有一些很好的模块来清理数据，但我认为它不像您在Workbench中那样强大。
编辑：工作台应用程序is deprecated已被/升级为ML Services。但核心功能没有改变。
我想使用azure ML Experimentation服务来构建少量模型并创建Web API。是否有可能对ML工作室做同样的事情？
我实际上会说在ML Studio中这样做要容易得多。拖放界面非常直观，只需点击几下即可创建一个Web API来调用您的模型。我觉得，就像目前编写本文时一样，部署模型更加复杂，而且涉及使用Azure CLI。
ML实验服务还要求我安装一个用于创建Web服务的Windows的docker。我可以在不使用docker的情况下创建Web服务吗？
这里我不太熟悉Workbench的Docker部分，但我相信你可以在不使用Docker的情况下创建和部署。但是，我相信它需要一个Azure模型管理资源。
我希望这会有所帮助，并且可以再次提出更多问题。
答案 1 :(得分：2)
AML实验是我们众多新的ML产品之一，包括数据准备，实验，模型管理和操作。 Workbench是一个PREVIEW产品，为其中一些服务提供GUI。但它只是运行所需的CLI的安装程序/包装器。这些服务基于Spark和Python。其他Python框架也可以工作，你可以从Python调用Java / Scala。不太确定“Azure ML服务”是什么意思，也许你指的是我上面提到的操作化服务。这将很快让您使用Docker容器创建基于Python的新API，并将与模型管理帐户连接，以跟踪模型和服务之间的关系。此处的所有服务仍处于预览状态，可能会在GA发布之前进行更改。
Azure ML Studio是一款较旧的产品，对某些人来说可能更简单（我自己也不是数据科学家）。它提供了拖放体验，但其数据大小限制在10G左右。该产品是GA。
确实如此，但您需要较小的数据大小，而且作业流程不是基于火花的。我用它来做快速PoC。此外，您将更少地控制评分的可扩展性（批量或实时），因为它是PaaS，而不是更新的IaaS服务。对于大多数用例，我建议查看新服务而不是工作室。
Web服务完全基于Docker。需要实验的码头工人更多的是在本地运行，我自己很少这样做。但是，对于实时服务，您打包的所有内容都放在docker容器中，因此可以将其部署到ACS集群。