什么时候应该使用 Azure ML Notebooks VS Azure Databricks？我认为两者都是竞争对手的产品
When should I use Azure ML Notebooks VS Azure Databricks? Both are competitor products in my opinion
非常不言自明的问题。什么时候应该使用 Azure ML Notebooks VS Azure Databricks？我觉得这两种产品之间有很大的重叠，一种肯定比另一种更好。
我主要是在寻找有关数据集大小和典型工作流程的信息。如果我没有面向 Spark 的工作流程，为什么我应该使用 Databricks 而不是 AzureML？
谢谢！
@Nethim，从我的观点来看，这些是主要区别：
数据分布：
- 当您在单台机器上使用有限数据进行训练时，Azure ML Notebooks 非常适合。 Azure ML虽然提供了训练集群，但是节点间的数据分布要在代码中处理。
- Azure Databricks 及其 RDD 旨在处理分布在多个 nodes.This 上的数据，当您的数据大小为 huge.When 时，您的数据大小很小并且可以适应扩展的单台机器/您正在使用 pandas 数据框，那么使用 Azure databricks 就太过分了
数据清理：
Databricks 可以原生支持多种文件格式，并且查询和清理庞大的数据集很容易，因为这必须在 AzureML 笔记本中自定义处理。这可以用 aml 笔记本来完成，但必须处理清洁和写入商店。
- 培训
两者都具有分发训练的能力，Databricks 提供内置的 ML 算法，可以作用于该节点上的数据块并与其他节点协调。虽然这可以通过 tf、horovod 等在 AzureMachineLearning 和 Databricks 上完成，
一般来说（只是我的看法），如果数据集很小，aml notebooks 是 good.If 数据量很大，那么 Azure databricks 很容易进行数据清理和格式化 conversions.Then 训练可以发生在 AML 或 databricks.Though 数据块上有一个学习曲线，而 Azure ML 可以很容易地使用 python 和 pandas。
谢谢。
非常不言自明的问题。什么时候应该使用 Azure ML Notebooks VS Azure Databricks？我觉得这两种产品之间有很大的重叠，一种肯定比另一种更好。
我主要是在寻找有关数据集大小和典型工作流程的信息。如果我没有面向 Spark 的工作流程，为什么我应该使用 Databricks 而不是 AzureML？
谢谢！
@Nethim，从我的观点来看，这些是主要区别：
数据分布：
- 当您在单台机器上使用有限数据进行训练时，Azure ML Notebooks 非常适合。 Azure ML虽然提供了训练集群，但是节点间的数据分布要在代码中处理。
- Azure Databricks 及其 RDD 旨在处理分布在多个 nodes.This 上的数据，当您的数据大小为 huge.When 时，您的数据大小很小并且可以适应扩展的单台机器/您正在使用 pandas 数据框，那么使用 Azure databricks 就太过分了
数据清理： Databricks 可以原生支持多种文件格式，并且查询和清理庞大的数据集很容易，因为这必须在 AzureML 笔记本中自定义处理。这可以用 aml 笔记本来完成，但必须处理清洁和写入商店。
- 培训 两者都具有分发训练的能力，Databricks 提供内置的 ML 算法，可以作用于该节点上的数据块并与其他节点协调。虽然这可以通过 tf、horovod 等在 AzureMachineLearning 和 Databricks 上完成，
一般来说（只是我的看法），如果数据集很小，aml notebooks 是 good.If 数据量很大，那么 Azure databricks 很容易进行数据清理和格式化 conversions.Then 训练可以发生在 AML 或 databricks.Though 数据块上有一个学习曲线，而 Azure ML 可以很容易地使用 python 和 pandas。
谢谢。