この記事は、求ム！Pythonを使ってAzureで開発する時のTips！【PR】日本マイクロソフト Advent Calendar 2020 の 4 日目です（後から追っかけで書いています）。
これからデータ分析するなら Data Science Virtual Machines が最高の環境！って話です。
Data Science Virtual Machines が最高の環境の理由は何があるんでしょうか？ 他じゃダメなんでしょうか？
その理由は以下になります。
- 問題
- 誰しもデータ分析に最適な環境を持っているわけではない
- データ分析に最適な環境を構築するのは大変（時間など）
- 解決策
- 「Data Science Virtual Machines ならデータ サイエンスと AI 開発向けに事前構成されたクラウドの仮想マシン」なので、誰しも簡単に準備ができる
Azure Machine Learning と Data Science Virtual Machines の違いは？
これから機械学習するなら Azure Machine Learning が最高の環境！ を書いている通り、Azure Machine Learning と Data Science Virtual Machines の違いをご説明します。
Data Science Virtual Machines がデータ サイエンス向けにカスタマイズされた VM イメージであるのに対し、Azure Machine Learning はフルマネージドのサービスという違いがあります。
他にも、Azure Machine Learning のサポート言語は Python と R ですが、Data Science Virtual Machines では Python と R 以外にも、Julia、SQL、C#、Java、Node.js、F# をサポートしています。
このように根本的に用途が異なっています。フルマネージドのサービスではないため、カスタマイズ性は Data Science Virtual Machines の方が明らかに上です。
ただ、要件によっては機能がファットな面もあるので、どちらが優れていて、どちらが劣っているということはありません。要件にあったサービスを使い分けることが大事だと思います。
5 日目は @changeworld の「データサイエンティストのための最強のフロントエンド Streamlit を Azure にデプロイ！」です。引き続きお楽しみください。