在近期的Ignite大会上，Microsoft发布了多个与人工智能服务及工具相关的更新，其中包括发布Azure ML Experimentation服务、Azure ML Model Management服务、Azure ML Workbench以及Microsoft Cognitive Services的一般可用版（GA）。

Microsoft的机器学习平台业已得到了相当可观的采用，但是在服务中也发现了一些问题。Microsoft的高级项目经理（Group Program Manager）Matt Winkler给出了这样的解释：

我们已经部署了成百上千的模型，服务了数十亿次的请求。虽然我们只做了数年，但是已经开始看到一些经常性模式。客户告诉我们他们喜欢这种便捷性，但也提出他们需要对计算和数据具有更大的控制，为模型部署提供更多的选项。客户对框架也有着非常多样化的需求，并希望对模型具有同等程度的管理和部署能力。

此次新发布的功能，有望通过在模型的开发和部署方式为客户提供更多控制，解决客户感受到的这些不足之处。

　　图片来源：https://myignite.microsoft.com/videos/55281

Azure ML Experimentation服务

Azure ML Experimentation服务使用了基于Git的检查点和版本控制机制，管理项目依赖和对任务的训练操作，无论这些任务是本地执行的，还是以横向或纵向扩展方式执行的。此外，数据科学家也可以选择使用他们自己的框架，例如TensorFlow、Microsfot CNTK和SparkML等。他们也可以选择自己喜欢的开发工具，例如Microsfot Code、Visual Studio、Jupyter和PyCharm等。该服务还捕获服务端运行的度量、输出日志和模型。

　　图片来源：https://myignite.microsoft.com/videos/55281

Azure ML Model Management服务

Azure ML Model Management服务为客户提供了灵活控制模型部署位置的能力。客户可以使用Docker在本地（On-Premise）或云中部署模型，并具有充分的可移植性。

模型的部署和管理是通过HTTP终端实现的。客户可使用Application Insights监控并洞悉模型的性能。该服务对SparkML、Python、Cognitive Toolkit、TF和R提供了最好的支持，还可通过扩展支持Caffe和MXnet等其它一些工具。

　　图片来源：https://myignite.microsoft.com/videos/55281

Azure ML Workbench

Azure ML Workbench是一种用在Windows和Mac OS X上的人工智能开发工具，其中包括完全的Python和Jupyter环境设置，并嵌入了IPython Notebook。它还提供全面的运行历史，并提供对实验对比的体验。Microsoft还在其中添加了数据整理（Data Wrangling）工具，简化了将数据导入到数据科学实验中的体验。数据整理能力包括数据采样和数据理解，进而在数据上执行转换。上述功能是通过使用PROSE（Program Synthesis Using Examples，一种通过示例准备数据的技术）提供的。

Microsoft Cognitive服务

Microsoft还宣布了升级了Cognitive Services平台，其中提供Text Analytics服务的一般可用版（GA）。Text Analytics服务支持开发人员做情感分析，以及从文本中检测关键短语、话题和语言。

查看英文原文： Microsoft Updates AI Services and Tools for Data Scientists and Developers