微軟於當地時間2018年12月4日召開了一年一度的以雲計算和數據爲中心的開發者大會，在會上微軟正式發佈Azure機器學習服務(Azure Machine Learning service)，這是一個雲平臺，允許開發人員構建、訓練和部署AI模型，並對Azure認知服務(一組自然語言處理、語音識別和計算機視覺api)進行更新。此外，微軟還推出了一款更實惠的Azure Cosmos DB層，這是一款針對分佈式雲計算工作負載的整體解決方案。
但這還不是全部。微軟還發布了Azure IoT Edge上對Azure流分析的升級、Azure IoT Edge在本地處理來自IoT解決方案的數據、Azure物聯網設備仿真解決方案加速器、Azure物聯網遠程監控解決方案加速器、Azure時間序列洞察的改進，以及增強版Azure地圖。
AI與大數據
經過一個相對較長的預覽版本時期之後，Azure機器學習現在對所有客戶都可用了，它在預覽中提供了一個新特性：模型解釋能力。從本週開始，客戶將能夠應用這一功能識別哪些輸入功能在人工智能系統的預測中最重要。
Azure機器學習的核心特性是全面可用性，包括對PyTorch、TensorFlow和scikit-learn等AI框架的支持、對自動化hyperparameter調優，以及部署到雲環境和邊緣環境的能力。
“我們收到了很多使用Azure機器學習的客戶的積極反饋，”微軟公司副總裁埃裏克·博伊德(Eric Boyd)在採訪中告訴表示：“無論是在雲端還是在現場，它都可以幫助用戶比以前更快、更有效地完成工作，就算你不是數據科學家。”他表示，自動化機器學習功能會有助於用戶選擇合適的算法。
與此同時，Azure認知服務更新了兩個關鍵特性：(1)支持語言理解的容器；(2)自定義翻譯。前者從今天開始就可以在early access中使用，它允許Azure開發人員在邊緣部署帶有對象檢測、視覺識別和語音識別的應用程序，並且更容易跨雲和邊緣維護架構。此外，現在普遍可用的自定義翻譯允許用戶利用人工翻譯的內容來構建一個自定義翻譯系統，該系統可以更好地處理特定的詞彙(尤其是專業術語)和不同的寫作風格。
最後，正如前面提到的，微軟今天發佈了一個更實惠的Azure Cosmos DB產品：Azure Cosmos DB吞吐量產品。與其他Azure Cosmos DB服務一樣，這一產品提供可以跨多個Azure區域自動伸縮和複製數據，但是價格針對擁有多容器數據庫的客戶進行了優化。
一起發佈的還有Azure Cosmos DB . net SDK 3.0（ CORS），增強了Azure Cosmos DB對. net和JavaScript應用程序的現有支持。
物聯網
在物聯網(IoT)方面，微軟今天在Azure IoT Edge上發佈了Azure Stream Analytics (ASA)，它簡化了在帶寬和連接有限的雲設備和邊緣設備之間移動分析的過程，巧妙地在物聯網邊緣框架內運行，這意味着在其中創建的工作可以使用物聯網集線器進行部署和管理。
在2017年11月開始預覽之後，物聯網邊緣的ASA於今天正式發佈。
微軟還發布了Azure物聯網設備模擬加速器的更新。現在，編寫複雜的設備行爲腳本(在一個模擬中包含多個設備)和運行模擬來模擬真實環境變得更加容易。
以前，IoT解決方案加速器(爲常見的IoT場景創建定製解決方案的服務)允許開發人員僅在Azure門戶中管理設備、模塊和操作。但是由於Azure IoT遠程監控用戶界面在本週得到了增強，它們現在可以更容易地觸發響應設備警報的操作(例如電子郵件通知)，使用自動設備管理管理設備更新，以及使用Azure Time Series Insights可視化設備數據。
在Azure地圖方面，微軟推出了新的S1定價層。它與標準S0一起提供，併爲使用Azure地圖應用程序的“產品級”部署提供了增強的服務級別，去掉了每秒查詢的限制。
最後，微軟在公衆預覽版中發佈了新的時間序列洞察。Azure時間序列是一個針對來自物聯網部署的時間序列數據的完整的堆棧分析、存儲和可視化服務，現在可以讓客戶更有效地存儲和分析建模的和特殊的數據。該序列可以爲遙測數據添加豐富的上下文，在層中存儲物聯網數據，並利用機器學習和分析工具進行洞察。
原文鏈接：