對于微軟來說，它在 2016 年最大的收獲應該是花費 262 億美元收購了 Linkedin；這份交易在去年 6 月公布，然后在年底才正式完成。不過自始至終，Linkedin 本身的業務似乎都沒有受到微軟的影響。時隔近一年時間，微軟終于宣布了 LinkedIn 的動向。
圖片鏈接：Techcrunch
根據微軟在 Iginite 大會上公布的內容，Linkedin 將與微軟旗下的 Office 365 進行初步的整合。具體來說，LinkedIn 的個人數據將能夠呈現在 Office 365 的個人介紹頁面。這樣一來，在同事之間互不相識的情況下，就可以在 Office 365 上查看其個人信息，而不必再去此人的 LinkedIn 界面去。
微軟發言人 Frank Shaw 表示，微軟之所以將 Microsoft Graph 和 LinkedIn Graph 整合起來，就是為了利用信息的整合，創建一個更加現代的工作平臺。
圖片鏈接：Techcrunch
除了 Office 365，微軟還打算將 LinkedIn 在數據層面上與 Dynamics 365 for Sales、微軟 CRM 解決方案等進行結合，這些產品上都將能夠呈現與 Office 365 相同的個人信息；不僅如此，用戶之間還能夠互相發送消息。
在雷鋒網(公眾號：雷鋒網)看來，微軟之所以選擇將 Office 365 作為與 LinkedIn 整合的第一個業務結構，還是非常清晰地看到了二者的結合點。Office 365 作為微軟面向企業的重要工具，需要以與之相關的信息增量為補充；這本身也符合 LinkedIn 在職業社交信息方面的巨大優勢。
面向多平臺的 Azure 機器學習工具除了 LinkedIn，微軟也在 Ignite 大會上發布了數個基于 Azure 云服務的工具：比如說 Azure 機器學習實驗服務、Azure 機器學習工作臺和 Azure 機器學習模式管理服務?？梢?，微軟也在努力實現 Azure 云服務與人工智能應用的結合。
據雷鋒網了解，Azure 機器學習實驗服務，主要是面向開發者快速訓練和部署機器學習實驗。它支持幾乎所有的主流開源框架（PyTorch、Caff2、TensorFlow、Cahiner 和微軟自己的 CNTK）；無論是支持本地設備，還是數百臺的云端 GPU 服務器，都能夠得到很好的支持。另外，Azure 還支持 Apache Spark。
Azure 機器學習工作臺是微軟為 Windows 和 Mac 平臺推出的桌面客戶端；用微軟的話說，該客戶端能夠成為開發者的開發周期的“控制面板”，是“上手機器學習的一種很好路徑”。它能夠與 Jupyter Notebook 相整合，支持 Visual Studio Code、PyCharm 等開發環境，也可以讓開發者在 Python、PySpak 和 Scala 條件下構建模型。
圖片來源：Techtrunch
不過，正如微軟發言人 Joseph Sirosh 在今天的發布會上所言，Azure 機器學習工作臺的主要功能，其實還是能夠對開發者的數據進行自動轉換，使其能夠與機器學習算法相適用。
與 Azure 機器學習實驗服務相類似，Azure 的機器學習模式管理服務能夠利用 Docker 容器，來幫助開發者和數據科學家在任何 Docker 容器可以運行的環境（包括微軟自己基于 Kubernetes 的 Azure 容器服務）下，部署和管理他們的模型。
另外，微軟還面向開發者推出了許多工具，可以幫助開發者利用 Visual Studio Code IDE 在CNTK、TensorFlow、Theano、Keras、Caffe2 等平臺上構建模型。面向非開發者，微軟將基于 Azure 的機器學習模式用在 Excel 上，可以使其用他們表格中的數據實現一些人工智能的相關功能。
微軟更加開放了從上述內容來看，微軟正在面向開發者推出一系列工具，使他們能夠基于機器學習開發自己的應用服務。不過真正令雷鋒網印象深刻的是，微軟的這些工具不僅僅面向微軟自己推出的平臺框架，這在數年前是不多見的；也就是說，微軟變得更加開放了。
京公網安備 11010502049343號