Zum Hauptinhalt springen
Cloud / Azure / Produkte / Azure Data Science Virtual Machine - ML-Entwicklungsumgebung

Azure Data Science Virtual Machine - ML-Entwicklungsumgebung

Azure Data Science Virtual Machine ist ein vorkonfiguriertes VM-Image mit ML-Tools, Frameworks und optionalem GPU-Support für Data Scientists.

ai-machine-learning
Preismodell Bezahlung nach Pay-as-you-go für die zugrunde liegende VM (Compute, Storage), kein separater Lizenzaufpreis
Verfügbarkeit Alle Azure-Regionen
Datensouveränität EU-Regionen verfügbar
Zuverlässigkeit SLA gemäß Anbieter (siehe offizielle SLA-Seite für Virtual Machines) SLA

Was ist die Data Science Virtual Machine?

Die Azure Data Science Virtual Machine (DSVM) ist ein vorkonfiguriertes VM-Image mit vorinstallierten und vorkonfigurierten Tools für Data Science und Machine Learning. Sie ist als Windows-Server- oder Ubuntu-LTS-Image verfügbar; eine zusätzliche DSVM-for-PyTorch-Edition auf Ubuntu-Basis ist speziell für große, verteilte Deep-Learning-Workloads optimiert. Data Scientists können damit direkt starten, ohne Stunden mit der Installation von Frameworks und Tools zu verbringen.

Kernfunktionen

  • Vorinstallierte Data-Science-Sprachen und -Frameworks, darunter Python, R und Julia
  • Entwicklungsumgebungen wie Jupyter(Lab), VS Code und (auf Windows) Visual Studio und Power BI Desktop
  • Optionaler GPU-Support auf beliebigen N-Serie-VMs inklusive vorbereiteter Treiber und Deep-Learning-Frameworks
  • SSH-Zugriff auf allen Editionen, zusätzlich RDP-Zugriff auf Windows-Editionen
  • Volle Kontrolle als unmanaged VM inklusive freier Wahl von VM-Größe und Betriebssystem-Version

Typische Anwendungsfälle

  • Schneller Einstieg in ML-Projekte und kurzfristige Evaluierung neuer Data-Science-Tools
  • Training von Deep-Learning-Modellen auf GPU-Hardware bei Bedarf, mit Rückfall auf CPU-Modus ohne GPU-VM
  • Exploration und Prototyping vor dem Aufbau produktiver ML-Pipelines
  • Data-Science-Schulungen und Kurse, die eine konsistente, reproduzierbare Umgebung für Teilnehmer benötigen

Vorteile

  • Keine Installationszeit: sofort produktiv dank vorinstallierter Tools
  • Konsistente Umgebung für Teams und Schulungen
  • Flexible Skalierung durch freie Wahl der zugrunde liegenden VM-Größe, inklusive GPU-Optionen
  • Kosteneffizient, da nur die tatsächlich genutzte VM-Zeit berechnet wird

Integration mit innFactory

Als Microsoft Solutions Partner unterstützt innFactory Sie bei der Data Science Virtual Machine: Setup für Teams, Integration mit Azure Machine Learning, GPU-Auswahl und Kostenmanagement.

Typische Anwendungsfälle

Schneller Einstieg in Data-Science- und ML-Projekte ohne Setup-Aufwand
Training von Deep-Learning-Modellen auf GPU-VMs
Kurzfristige Exploration, Prototyping und Evaluierung neuer Tools
Konsistente Trainings- und Schulungsumgebungen für Data-Science-Kurse

Häufig gestellte Fragen

Was ist die Azure Data Science Virtual Machine?

Die Data Science Virtual Machine (DSVM) ist ein vorkonfiguriertes VM-Image auf Azure mit vorinstallierten Data-Science- und ML-Tools. Sie ist als Windows-Server- oder Ubuntu-LTS-Image verfügbar und richtet sich an Data Scientists, die ohne manuelle Installation direkt loslegen wollen.

Welche Tools sind vorinstalliert?

Je nach Edition u.a. Python, R, Julia, gängige ML-Frameworks, Jupyter(Lab), VS Code, Power BI Desktop sowie auf Windows zusätzlich SSMS und Office. Eine vollständige, aktuelle Toolliste führt Microsoft in der Produktdokumentation.

Gibt es GPU-Varianten?

Ja, die DSVM lässt sich auf beliebigen GPU-fähigen N-Serie-VMs (z.B. NC-Serie) betreiben; passende GPU-Treiber und Deep-Learning-Frameworks sind auf den Windows- und Linux-Editionen vorbereitet. Ohne GPU-VM laufen dieselben Frameworks im CPU-Modus.

Windows oder Linux?

Beide sind verfügbar: Windows Server sowie eine Ubuntu-LTS-Edition. Zusätzlich gibt es eine spezialisierte DSVM-for-PyTorch-Variante auf Ubuntu-Basis, optimiert für große verteilte Deep-Learning-Workloads.

Wie unterscheidet sich die DSVM von Azure-Machine-Learning-Compute-Instanzen?

Die DSVM ist eine unmanaged VM, die Sie selbst administrieren, mit breiterer Sprachunterstützung (u.a. Python, R, Julia, SQL, C#, Java) und RDP-Zugriff. Azure-Machine-Learning-Compute-Instanzen sind vollständig verwaltete, in Azure Machine Learning integrierte Compute-Ressourcen mit eingebauten Notebooks, Single Sign-on und Kollaborationsfunktionen, aber eingeschränkterer Sprachunterstützung (Python/R).

Hinweis: Alle Produktinformationen auf dieser Seite wurden sorgfältig zusammengestellt, sind jedoch ohne Gewähr und können veraltet oder unvollständig sein. Cloud-Services entwickeln sich schnell weiter — Funktionen, Preise, SLAs und Verfügbarkeit ändern sich laufend. Verbindliche und aktuelle Informationen finden Sie ausschließlich auf der offiziellen Produktseite von Azure (offizielle Dokumentation). Diese Seite stellt kein Angebot von Azure dar.

Schnellzugriff

Microsoft Solutions Partner

innFactory ist Microsoft Solutions Partner. Wir bieten Beratung, Implementierung und Managed Services für Azure.

Microsoft Solutions Partner Microsoft Data & AI

Ähnliche Produkte anderer Cloud-Anbieter

Andere Cloud-Anbieter bieten vergleichbare Services in dieser Kategorie. Als Multi-Cloud Partner helfen wir bei der richtigen Wahl.

Google Cloud

Agent Platform Workbench (ehem. Vertex AI Workbench)

Agent Platform Workbench stellt verwaltete JupyterLab-Umgebungen der Gemini Enterprise Agent Platform bereit, mit …

Preismodell Nutzungsbasiert über die Preisliste der …
SLA SLA gemäß Anbieter (siehe offizielle SLA-Seite)
Vergleichen →
Google Cloud

Cloud Talent Solution - Jobsuche mit Machine Learning

Cloud Talent Solution bringt Machine Learning in die Jobsuche und unterstützt Recruiting-Plattformen mit Job Search und …

Preismodell Preise mit Stand 5. Januar 2021: …
SLA gemäß Anbieter / siehe offizielle Dokumentation
Vergleichen →
Google Cloud

Deep Learning VM Images - Vorkonfigurierte ML-VM-Images

Deep Learning VM Images sind für Data Science und Machine Learning optimierte VM-Images mit vorinstallierten Frameworks …

Preismodell Die Images selbst sind laut Preisseite …
SLA SLA gemäß Anbieter (siehe offizielle SLA-Seite)
Vergleichen →
Google Cloud

Enterprise Knowledge Graph - Entity Reconciliation für BigQuery

Enterprise Knowledge Graph führt verteilte Daten über Entity Reconciliation zusammen und ergänzt sie über die Google …

Preismodell Für Enterprise Knowledge Graph …
SLA Pre-GA-Produkte werden laut Dokumentation "as is" bereitgestellt und können eingeschränkten Support haben; gemäß Anbieter / siehe offizielle Dokumentation
Vergleichen →
Google Cloud

Genkit - Open-Source-Framework für KI-Anwendungen

Genkit ist Googles Open-Source-Framework für den Aufbau von Full-Stack-, KI- und Agenten-Anwendungen mit TypeScript, Go, …

Preismodell Open-Source-Framework; Kosten entstehen …
SLA Für das Framework selbst besteht kein SLA; SLAs gelten für die genutzten Dienste gemäß Anbieter
Vergleichen →
Google Cloud

Model Garden - Modellkatalog der Agent Platform

Model Garden ist die Modellbibliothek der Gemini Enterprise Agent Platform zum Entdecken, Testen, Anpassen und …

Preismodell Bei Open-Source-Modellen werden Tuning …
SLA SLA gemäß Anbieter (siehe offizielle SLA-Seite)
Vergleichen →

89 vergleichbare Produkte bei anderen Cloud-Anbietern gefunden.

Bereit, mit Azure Data Science Virtual Machine - ML-Entwicklungsumgebung zu starten?

Unsere zertifizierten Azure Experten helfen bei Architektur, Integration und Optimierung.

Beratung vereinbaren