在下周于华盛顿西雅图举行的年度构建开发者大会之前，微软今天宣布了Azure机器学习的改进，它使用户能够为云托管和现场应用程序构建预测模型、分类器和推荐系统。

微软云与AI集团执行副总裁Scott Guthrie在博文中写道：“为了进一步努力打造最具生产力的人工智能平台，我们正在Azure Machine Learning中提供关键的新创新，以简化构建、培训和部署机器学习模型的过程。”如今，我们正在为开发人员提供创新的Azure服务，以构建下一代应用程序。95%的财富500强客户在Azure上运营，这些创新可以产生深远的影响。

具体来说，azure machine learning——它曾吹嘘自己支持AI框架，如脸书的PyTorch、谷歌的TensorFlow和Scikit——learning，除了自动超参数调优之外——现在还有一个更直观的自动ML界面，旨在让模型创建变得更容易，以及一个拖放式的可视化机器学习仪表板。此外，新的是一套MLOPS功能，连接到微软的端到端软件开发工具包AzureDevOps，旨在促进AI模型设计的可再现性、可审核性和自动化。

“[有一类人工智能从业者]正在学习机器学习的概念。他们想建立自己的模型，但他们不是程序员。这可能是IT专业人士，也可能是有统计或数学背景的人。”对于这些客户，我们提供让模型直观的体验。

这还不是本周升级的全部内容。ONNX(Open Neural Network Switching)Runtime是由微软、Face book、IBM、华为、英特尔、AMD、ARM和高通开发的开源AI生态系统，允许开发者在框架之间无缝切换。现在它支持英伟达的Tensor RT和英特尔的N图，在英伟达和英特尔硬件上进行高速推理(即预测)。此外，微软通常提供硬件加速模型，在现场可编程门阵列(FPGA)或集成电路的设计之后运行，以配置制造。

微软还宣布为AzureSearch广泛推出认知搜索，这是一项完全托管的云搜索服务，允许用户应用算法从结构化和非结构化内容中提取见解。它预览了一项功能，使开发人员能够存储这些见解，以创建商业智能可视化或机器学习模型。

最后，该公司透露，它现在是MLflow项目的积极贡献者，该项目是一种开源格式，用于以可重用和可复制的方式打包数据科学代码。微软运营数据库和区块链的产品营销总监Wisam Hirzalla表示：“人工智能和机器学习可以让开发者成为英雄，因为它们可以为客户提供真正个性化和超级沉浸式的体验。”我们希望任何公司都能轻松使用这项技术。

微软在2014年6月和2018年12月推出了AzureMachineLearning。在这个过程中，引入了机器学习工作台等新工具，让开发者更容易管理机器学习模型，以及自动选择和优化目标场景算法的AI模型生成功能。它还引入了模型可解释性，这是一种消除偏见并帮助客户识别哪些输入特征在系统预测中最重要的解决方案。

去年秋天，AzureMachineLearning获得了Python软件开发工具包，并与PowerBI(一种帮助创建报告、仪表板等的业务分析服务)进行了互操作。从11月开始，Azure内置的AI模型可以在PowerBI中共享，PowerBI会自动发现每个用户都可以访问的模型，并自动创建一个点击和点击的用户界面来调用它们。

Azure学习补充了像微软的Azure Bot Service这样的服务，它是一个可扩展的聊天Bot平台。到目前为止，已经创建了40万个数字代理(每周有3000个在线代理)。它与Azure认知服务映像、一组API、软件开发工具包和容器映像保持一致，使开发人员能够将AI注入到应用程序中。

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：