新Azure的ML服务开始作为一个MSR Excel的演示，将数据发送到Azure上运行实验机器学习驱动的数据分析。几年前，他成为CEO，萨蒂亚·纳德拉遇到了演示，并立即看到了把它变成一个产品面向企业客户的潜力。他说服研究员罗杰·巴尔加，加入他的团队分工云里面。“萨蒂亚很兴奋，他让我兴奋，”巴尔加回忆。
当时的想法是机器学习工具从研究团队横跨微软产品团队已经通过实现机器学习算法获得的专业知识相结合。使机器学习以及工作不仅是有一个良好的算法，甚至使其成为大规模进行。您还需要使它保持一致。在不同的机器学习包相同的算法往往提供不同的答案;使用启发式找到模型最适合您的数据匹配需要大量的经验。
这些经验提供了一个独特的优势巴尔加说：“这些算法已经被硬化，证明在过去几年。我们可以借鉴一下专业知识，在Azure中ML再次实现它。我们知道，最好的做法是什么，启发是什么，我们应该怎样做，以确保这将是强大的，可扩展的，高性能和实施，我们可以提供给我们的客户。”
但Azure的ML并不仅仅把机器学习算法MSR已经移交给产品团队，并把它们粘到一个拖动和拖放可视化设计。微软已经可用的功能来，谁知道开发商R统计编程语言和蟒蛇，它们一起被广泛应用于学术机器学习。微软计划Azure的ML紧密结合与革命分析，将R启动它最近收购。
开发人员还可以设计使用Azure的ML工作室工具机器学习系统。这是受欢迎的，即使经验丰富的学习机开发人员喜欢球队在Mendeley，Elsevier的学术研究网络，建立了一个新的推荐系统在第三的是把他们与其他工具的时间。JJ食品服务在英国用它做一个预测购物车，放的产品在你;客户喜欢的方便和收入上升了5％。
该列车本身机器
为了可以更容易地使用多个机器学习算法一起，微软需要建立一个合适的平台。这意味着创建移动从研究新的算法到生产系统;随着新技术的开发，它们可以被插入到Azure的ML，保持最新的机器学习的不断发展。
与旧机器学习系统（和的问题深学习将解决一个）的一个共同问题是“ML腐烂。”换句话说，你花了很长一段时间的训练系统，当你滚出来，它工作了一段时间 - 但它属于过时了，你必须重新训练它。避免的方法之一是，你使用它再培训你的模型。
在预览，顾客们如此热衷于这个想法，微软添加的编程培训和再培训。“他们想要的数据上传到API并具有机器学习模型做了学习，所以我们补充说，” Sirosh解释。“一旦你有了到位的API，可以随时上传数据和模型将自我更新和保持新鲜和不断地学习。”
这就是eBay的用于训练的翻译系统在女性时尚中使用的术语。如果你在eBay网站上出售手袋，服装，鞋，或其他时尚物品，你可能会看到更好的销售，因为海外上市的自动翻译更准确 - 和可用在所有45种语言天青ML支持。
本周，微软通过添加Bing Ads广告使用一台新机器的算法，可以处理大量的数据。“我们可以在一个TB级数据集学习，”拥有Sirosh。“我不知道是否有云服务可以让你在学习TB的大小今天除了Azure的ML。”这是大数据，你可能需要看一个巨大的数据集，以发现告诉你的信号非常有用。
微软有一系列的服务一起工作的大数据场景。您可以将数据加载到HD洞察力，微软的Hadoop云服务，或拉，从网站和传感器与事件集线器的数据，然后处理与Azure中的分析数据或与Apache风暴数据的流，天青现在支持。
“从你可以调用机器学习API来检测异常或欺诈行为，”解释Sirosh。“你可以使用采取大量的数据，说，HD洞察和使用与天青毫升蒸馏水来学习，可以在应用程序部署模型，但大的学习是很多不止于此。说造假是在特定邮政编码高和not in others. There are millions of postal codes in the world. These techniques allow you to take these patterns into account; you’re able to use very fine-grained information and be very precise about it."
Sirosh显然认为他的平台将加快机器学习采纳。“今天的企业聘请数据科学家和他们痛苦地定制打造自己的机器学习的应用程序。有了这样Azure的ML它变得如此轻松地创建自定义应用程序......只有当你有一组特殊的需求，将需要一个团队的数据科学家建立建立和API给你一个平台“。
走进辣椒的餐厅，你会发现每个表平板电脑点菜，看视频，支付账单，并给予反馈。该系统由Ziosk建造，使用HD洞察来跟踪客户如何为1400家餐馆使用的平板电脑 - 和Azure的ML定制哪些优惠和内容，他们看到。它甚至可以改变平板电脑上的接口，基于他们如何使用它。
Sirosh认为每个人都应该建立那种制度。“这是智能云出生在许多方面，你建立的任何应用程序，你现在应该考虑使用从应用程序，或者您有任何其他数据，产生的数据来创建一个更好的客户体验，去创造你不会告发效率”T的，否则挖掘到“。
微软的大机器学习的未来
CEO萨蒂亚·纳德拉叫了机器学习 - 和大数据的权力它 - 在他的备忘录微软去年7月重点发展。“传感器，屏幕和设备的十亿 - 在会议室，客厅，城市，汽车，手机，电脑 - 正在形成一个庞大的网络，并且简单地消失到我们生活的背景数据流。这种计算能力将数字化在我们身边几乎一切，并推导出人与人之间，人与机器之间的交互而产生的所有数据的见解。我们正在从一个世界里，计算能力是稀缺的地方，它现在几乎是无限的，而其中真正稀缺的商品是人类日益关注移动。”
这听起来是比较容易实现，当你跟李彼得约的进步，他相信微软能够在未来十年内使。
去年，他展示了，可以用你的手机摄像头，不仅承认狗，但确定的品种，或者告诉你的植物是否有毒是一个机器学习系统的早期工作。这是项目的亚当，这是试图以大规模的云计算的原则适用于机器学习。一般情况下，机器学习发生在一个单一的系统，你不能扩展到超过一个群集，因为它必须是同步的;与项目亚当，学习可以是异步的，所以你可以把它铺在整个数据中心。雷竞技电脑网站
项目亚当只是什么李调用几个机器学习“moonshots”一个 - “努力，是真正的抱负，但真的有具体，易于评估的目标，所以你知道你是否已经完成与否”他非常注意保护他们（“压力是非常分散注意力”），所以他不会命名其他项目或说什么的目标是 - 但他们大。
“亚当项目真正涉及到超越语音和远见的人话语确实有深刻的理解。归根结底，这是一个真正的人工智能的下一个阶段，我们真正了解在规模如何让机器理解什么人都在谈论。这些目标有这么有趣。从科学的角度来看，对于我们理解了巨大的影响;从工程的角度来看，规模真是眼花缭乱，并从商业角度对应用的前景是令人难以置信的诱人。我们在语音和翻译沿着相同的路线的基础非常显著的努力“。
李是既兴奋又务实的这些大项目的潜力 - 和侧效益“已经开始运球出已经” - 从OneDrive（现在使用机器学习来标记您的照片）到Skype的翻译示威（其中来自新技术的性能提升已经离开，即使研究人员感到“震惊”）。另外，还有在Azure的机器学习一个现成的平台，把这些新技术，微软内部的产品组和开发人员在其他地方。
“有了这些大的抱负努力，总有我的一部分是港口有人怀疑我们是否会永远到达那里，”李坦言。“一些这些东西是如此的荒诞，但你永远不知道！你惊喜。作为一名研究经理，我很舒服，我们是否到达那里与否，都将是副产品和新知识的一个巨大数字。”
无论微软使得AI更根本的突破，它所得知使用机器学习将继续上显示的是您使用的所有产品 - 包括你自己构建的。
这个故事，“机器学习如何吃微软”最初发表InfoWorld的 。