2019 年 1 月

第 34 卷，第 1 期

[编者寄语]

推进 AI

通过Michael Desmond |2019 年 1 月

如果您已阅读 MSDN 杂志 》 在过去的几年，您知道我们已主动的方式继续人工智能 (AI) 和机器学习 (ML) 作为查询的主题。从早期介绍在 2016 中，ML.NET framework 和 connect （）; 自动完成机器学习的深入探索到认知服务特殊问题的 MSDN 杂志 》 上个月，我们的覆盖范围反映 Microsoft 已在推进先进的 AI 和机器学习中所示的紧迫性。

在本月的问题，我们介绍了三个功能文章侧重于 AI/ML 的包。James McCaffrey"简介 Windows 上的 PyTorch"提供了大致了解一下在较低的级别比其他 Microsoft 认知服务工具包、 Google TensorFlow 进行操作很有前景的神经网络库和scikit 的了解。Yordan Zaykov，同时，将写入"机器学习通过概率性编程，"显示 Microsoft Infer.NET 框架如何提供的算法来进行数据中的概率推断 — 用于构建解决机器学习问题的统计模型。最后，Arnaldo Peréz Castaño 作者"利用信仰需求意图代理体系结构，"他其中指导完成将 ML 体系结构应用于实际的方案 — 具体而言，实现的行程在助手代理C#。

对 AI 和机器学习的持续的关注反映了深远的影响的技术对软件开发和与其不断发展的速度。McCaffrey 是 MSDN 杂志的高级特约编辑，其中他深入从事机器学习开发的 Microsoft Research 的高级开发人员。他说目前有几十种下现任 Microsoft 开发的重要机器学习项目，或在 Microsoft 开放源代码的强支持。McCaffrey 卡嗒关闭他卡入到位，包括 ML.NET、 Infer.NET、 PyTorch、 项目脑电波和 Azure Batch AI 和 Azure 自动化的机器学习项目的列表。

开发人员可以如何保持领先此广泛水岸？它是一个开放的问题，说到 McCaffrey。"开发人员具有有限的可用于前瞻性的活动的时间。并且因为的 AI/ML 字段如此之大，并且增加得如此之快，没有任何明确的学习路线图，任何人，包括我，能够以有点重点介绍有关在何处进行选择时，将掷。"

那么，如何倾斜几率优惠？McCaffrey 提供了一些提示：

• 选择一个库:主要的深度神经库都这么大的差别，是不可行，若要了解所有这些。他建议开发人员能够选择一个或两个最多，例如 Keras、 PyTorch 或 scikit 的了解。
• 选取 Python:不刻录时间学习 Python，改为选取它作为你转到。McCaffrey 声称大多数开发人员同事 — 喜欢 MSDN 杂志订阅者，主要是C#程序员提供的并且它们选取 Python 快速动态。
• 重点介绍基础知识： 首先 ML 教育了解以下四种基本技术： 使用逻辑回归中，多类分类 （最好是在鸢尾花数据集），使用一个隐藏的层的神经网络二元分类使用一个隐藏的层神经网络 （最好是在波士顿住房数据集） 和 k 平均值数据聚类分析的回归。
• 提交到学习:掌握 ML 不是连续的过程。McCaffrey 描述为"大型关系图"，需要反复检查主题，学习更每次和了解主题相互关联的方式。例如，从最开始的神经网络示例使用统一的随机初始化。有许多可选方案，但 McCaffrey 指出应避免立即打开深度上此类主题。
• 需要注意的研讨会:许多机器学习培训程序占用大量资源，并可能从低技术质量会受到影响。请确保讲师具有纯色背景和提交之前的声誉。

Michael Desmond是的主编MSDN 杂志 》。问题、 意见或建议？将其发送到在编辑器。