Microsoft更新發布了開發者可用的人工智能服務與工具

在近期的Ignite大會上，Microsoft發佈了多個與人工智能服務及工具相關的更新，其中包括髮布Azure ML Experimentation服務、Azure ML Model Management服務、Azure ML Workbench以及Microsoft Cognitive Services的通常可用版（GA）。

Microsoft的機器學習平臺業已獲得了至關可觀的採用，可是在服務中也發現了一些問題。Microsoft的高級項目經理（Group Program Manager）Matt Winkler給出了這樣的解釋：
咱們已經部署了成百上千的模型，服務了數十億次的請求。雖然咱們只作了數年，可是已經開始看到一些常常性模式。客戶告訴咱們他們喜歡這種便捷性，但也提出他們須要對計算和數據具備更大的控制，爲模型部署提供更多的選項。客戶對框架也有着很是多樣化的需求，並但願對模型具備同等程度的管理和部署能力。

這次新發布的功能，有望經過在模型的開發和部署方式爲客戶提供更多控制，解決客戶感覺到的這些不足之處。

Azure ML Experimentation服務

Azure ML Experimentation服務使用了基於Git的檢查點和版本控制機制，管理項目依賴和對任務的訓練操做，不管這些任務是本地執行的，仍是以橫向或縱向擴展方式執行的。此外，數據科學家也能夠選擇使用他們本身的框架，例如TensorFlow、Microsfot CNTK和SparkML等。他們也能夠選擇本身喜歡的開發工具，例如Microsfot Code、Visual Studio、Jupyter和PyCharm等。該服務還捕獲服務端運行的度量、輸出日誌和模型。

Azure ML Model Management服務

Azure ML Model Management服務爲客戶提供了靈活控制模型部署位置的能力。客戶可使用Docker在本地（On-Premise）或雲中部署模型，並具備充分的可移植性。

模型的部署和管理是經過HTTP終端實現的。客戶可以使用Application Insights監控並洞悉模型的性能。該服務對SparkML、Python、Cognitive Toolkit、TF和R提供了最好的支持，還可經過擴展支持Caffe和MXnet等其它一些工具。

Azure ML Workbench

Azure ML Workbench是一種用在Windows和Mac OS X上的人工智能開發工具，其中包括徹底的Python和Jupyter環境設置，並嵌入了IPython Notebook。它還提供全面的運行歷史，並提供對實驗對比的體驗。Microsoft還在其中添加了數據整理（Data Wrangling）工具，簡化了將數據導入到數據科學實驗中的體驗。數據整理能力包括數據採樣和數據理解，進而在數據上執行轉換。上述功能是經過使用PROSE（Program Synthesis Using Examples，一種經過示例準備數據的技術）提供的。

Microsoft Cognitive服務

Microsoft還宣佈了升級了Cognitive Services平臺，其中提供Text Analytics服務的通常可用版（GA）。Text Analytics服務支持開發人員作情感分析，以及從文本中檢測關鍵短語、話題和語言。