Des services de Machine Learning dans le Cloud

Le « Machine Learning » passe progressivement du domaine de la recherche à celui de l’exploitation commerciale. Cette idée qui consiste à permettre aux machines d’apprendre « seules » à partir des données qu’elles absorbent est un des champs les plus actifs et les plus anciens de la recherche en Intelligence Artificielle.

Les concepts de Big Data, les progrès réalisés en traitements parallèles et les capacités des machines modernes ont fait considérablement progresser les recherches en la matière. Il est vrai que les applications du « Machine Learning » sont potentiellement illimitées : elles vont transformer les problématiques d’analyse des données, de prédiction des comportements, d’évaluation et de détection des risques/fraudes, et de compréhension de l’être humain (compréhension du langage, analyse des textes, reconnaissance vocale, etc.).

Depuis plusieurs années, Microsoft Research travaille sur les applications du Machine Learning (ML) et la mise en œuvre d’algorithmes de ML. Bing et des services comme Cortana (l’assistant personnel qui arrive en standard dans Windows Phone 8.1) s’appuie intensivement sur le Machine Learning. L’équipe Office est également très intéressée sur l’utilisation de tels concepts pour assister l’utilisateur dans son travail quotidien.
Microsoft vient d’annoncer la disponibilité de « Azure ML », un service Cloud dédié au Machine Learning. Les entreprises peuvent ainsi élaborer (et héberger) dans le Cloud leurs propres services avancés d’analyse des données. Les organisations, de toutes tailles et de tous secteurs, peuvent ainsi tirer parti des algorithmes et outils élaborés par Microsoft pour retirer plus aisément des enseignements de leurs données et, par exemple, prédire les comportements et tendances futures de leurs clients.

L’offre « Azure Machine Learning » comporte deux services :

• Machine Learning Studio pour construire puis tester simplement des modèles d'analyse prédictive dans le Cloud.
• Machine Learning API Service pour mettre en production ces modèles sous la forme de services Web accessibles par les applications de l’entreprise.