跨界知识聚会系列文章，“知识是用来分享和传承的”，各种会议、论坛、沙龙都是分享知识的绝佳场所。我也有幸作为演讲嘉宾参加了一些国内的大型会议，向大家展示我所做的一些成果。从听众到演讲感觉是不一样的，把知识分享出来，你才能收获更多。
关于作者
- 张丹，分析师/程序员/Quant: R,Java,Nodejs
- blog: http://fens.me
- email: bsspirit@gmail.com
转载请注明出处：
http://blog.fens.me/meeting-ms-ignite-20210318
前言
由于疫情在全球肆虐，原来线下的各种会议都改成了线上的模式，微软一年一度的Ignite大会如期举行。本次大会增加了一个嘉宾脱口秀的环节，由众多的微软MVP组成的嘉宾团，给大家说说微软黑科技。
目录
- 圆桌主题：Azure上的AI+机器学习
- 会议体验和照片分享
1. 圆桌主题：Azure上的AI+机器学习
我参与的圆桌部分，主题是怎么看微软在人工智能和大数据领域的技术革新。我从最擅长的数据分析进行介绍，针对于Azure上的Data和AI的主题，谈谈微软产品如何带动整个行业的发展。
我从2个方面来介绍微软数据产品线设计。
我主要为分2个部分进行介绍：
- Azure上的 AutoML 自动机器学习平台
- Azure认知服务体系
数据分析，作为大数据和人工智能的一个分支，正在各领域中发挥着作用。Azure上是最早推出AutoML的SaaS服务平台之一，现在已经做的非常完善和成熟了。在AutoML的过程中，不仅集成了众多优秀的产品，同时提供了强大的计算能力，和认知服务能力。让小团队可以直接跨过底层的复杂技术架构的搭建过程，从而直接面向应用层去做开发。
Azure上的产品组件：
- Azure Data Factory，数据工厂被描述为一项数据集成服务。 Azure 数据工厂的用途是从一个或多个数据源中检索数据，并将其转换为你可处理的格式。 数据源可能以不同的方式呈现数据，并且包含需要筛选掉的干扰词。Azure 数据工厂使你可以提取感兴趣的数据，并放弃其余数据。
- Azure Data Lake Storage, 数据湖是用于存储大量原始数据的存储库。 由于数据原始且未经处理，因此其加载和更新速度非常快，但数据并未采用适合高效分析的结构。
- Azure Databrick, 是在 Azure 上运行的 Apache Spark 环境，可提供大数据处理、流式传输和机器学习功能。 Apache Spark 是一个高效的数据处理引擎，可以非常快速地使用和处理大量数据。
- Azure Synapse Analytics, 是一个分析引擎，基于数据仓库的分析服务
- Cosmos DB，是完全托管的NoSQL数据库服务。
在Azure上，我们不担心产品试用过程中的复杂度，因为通过“服务编排”的方式，建立Pipeline流程，用拖拽就可以完成复杂的产品对接的，和数据流控制，数据处理过程。Azure把流程进行了标准化的定义，产品可以自由组装，数据流关系可以进行服务编排，通过服务接口进行调用，形成了 AutoML 完成的数据产品闭环。
认知服务几乎覆盖了完整的深度学习的应用领域，同样我们可以通过服务接口的方式，调用这个认知服务，而不只自己在重新搭建底层平台。
- 影像：人脸，图像提取文本，图像分类准确识别画作，视频索引
- 语音: 文字转语音，语音转文字，语音翻译
- 语言：文字翻译，语言理解（LUIS），情绪分析
- 知识：异常检测器，个性化推荐，内容审查
- 搜索：bing
你可以直接使用由微软提供的，已训练好的通用模型，也可以根据自己的数据训练出符合自己业务场景的个性化模型。总之，既可以通用又可以专业，使用起来非常方便，可以大大解放人的工作，从而实现AI驱动。
2. 会议体验和照片分享
Micosoft Ignite 全球直播又来啦，本次大会的官方页面：https://ignitechina.microsoft.com/index.html， 微信公众号地址：https://mp.weixin.qq.com/s/utnigc2fIeCkZbfkPijHLQ
2.1 会议主题
MVP嘉宾代表团：分了五组进行对微软生态进行介绍。
2.2 相关照片
圆桌对话：我在北京主会场和主持人：杨娜，另外三个嘉宾在上海会场：王公子，彭爱华老师，胡浩。
在各种设备中看直播。
刘亮和杨威，低代码开发。
朱一婷，在做 Micriosoft Mesh 技术分享，混合现实领域。
负责专业录制节目的工作人员。
最后，整个分享结束，现场工人人员和各位嘉宾都辛苦啦。
微软在越来越放开，融合各种技术，并且自己也在支持多种技术的融合和创新。
转载请注明出处：
http://blog.fens.me/meeting-ms-ignite-20210318
