Künstliche Intelligenz

Neue Machine Learning Tools von Microsoft – Ein kurzer Überblick

Microsoft geht schon seit einer Weile „Aufs Ganze“ in Sachen Künstliche Intelligenz. Das wurde wieder mehr als deutlich, wenn man sich die Präsentationen und Ankündigungen der letzten Ignite Konferenz anschaut. Für Entwickler hat das Unternehmen heute drei große neue Tools ins Leben gerufen: den Azure Machine Learning Experimentierdienst, die Azure Machine Learning Workbench und die Azure Machine Learning Model Management Service. Wir wollen in diesem Blog einen kurzen Blick auf die neuen Machine Learning Tools von Microsoft werfen.

Azure Machine Learning Experimentation Service

Der Experimentierservice soll Entwicklern dabei helfen maschinelle Lernversuche  schnell zu trainieren und einzusetzen. Der Service unterstützt alle üblichen Open Source Frameworks wie PyTorch, Caffe2, TensorFlow, Cahiner und die Microsofts eigene CNTK und kann von einer lokalen Maschine bis hin zu hunderten von GPUs in der Cloud skaliert werden (dank der Verwendung von Docker Containern und dem Azure Batch AI Trainingsdienst). Die Tools unterstützen auch Apache Spark auf Azure HDInsight Clustern. Der Service unterstützt alle Modelle, Konfigurationen und Daten (mit Git Repositories), um Entwicklern volle Versionierung für ihre Experimente zu geben.

Azure Machine Learning Workbench

Die Machine Learning Workbench ist ein Desktop Client für Windows und Mac (in dieser neuen Welt sind Mac-Apps von Microsoft wirklich keine große Sache mehr). Laut Microsoft soll die Workbench der „Control Panel“ sein, der den gesamten Entwicklungs-Lifecycle abdeckt. Es verfügt über Integrationen mit Jupyter Notebooks und IDEs wie Visual Studio Code und PyCharm. Zudem ermöglicht es den Entwicklern, Modelle in Python, PySpak und Scala zu bauen.

Azure Machine Learning Model Management Service

Wie der Experimentierdienst nutzt der neue Model Management Service Docker-Container, um Entwicklern und Datenwissenschaftlern dabei zu helfen, ihre Modelle praktisch überall zugänglich zu machen und zu verwalten, wo ein Docker-Container laufen kann (einschließlich Microsofts eigener Azure-Container-Service in Kubernetes).

Der wichtigste Takeaway aus diesen Ankündigungen ist, dass Microsoft seine Toolbox für Entwickler, die maschinenbasierte Anwendungen aufbauen wollen, sowohl für ihre internen als auch externen Kunden weiter ausbauen wird. Was hier besonders erfreulich ist: diese Tools unterstützen eine Vielzahl von Nicht-Microsoft-Frameworks.

Darüber hinaus hat Microsoft auch einen neuen Satz von Tools für Entwickler veröffentlicht, die mit der Visual Studio Code IDE den Aufbau von Modellen mit CNTK, TensorFlow, Theano, Keras und Caffe2 ermöglicht. Für Nicht-Entwickler hat Microsoft auch was parat. Und zwar auf Azure basierende maschinelle Lernmodelle für Excel Benutzer, die nun in der Lage sind, die Funktionen der hauseigenen Data Scientist, direkt aus Excel heraus aufzurufen.

Weiterführende Informationen finden Sie auf der Microsoft Azure Seite.