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
评论