L’obiettivo delle nuove soluzioni presentate da Microsoft a Connect 2017 è quello di spingere i developer a realizzare soluzione di intelligenza artificiale e analytics
L’Intelligenza Artificiale è stata protagonista di Connect 2017, l’evento annuale di Microsoft dedicato agli sviluppatori che si sta concludendo in queste ore. Durante l’evento si è parlato degli scenari applicativi e delle modalità di utilizzo dell’AI a sostegno dell’innovazione e dell’implementazione di applicazioni intelligenti. Questo intento appare particolarmente chiaro dalle parole di Scott Guthrie, Executive Vice President di Microsoft : “Cloud e Intelligenza Artificiale possono realmente cambiare il modo in cui interagiamo con il mondo, e gli sviluppatori possono realizzare questo potenziale. Le novità che presentiamo oggi li aiuteranno a creare applicazioni e servizi per un futuro fortemente caratterizzato dall’intelligenza artificiale utilizzando piattaforme, linguaggi e strumenti di collaborazione che già padroneggiano e apprezzano”.
I nuovi strumenti e le nuove API di Microsoft presentati in occasione di Connect sono infatti pensati per essere al servizio degli sviluppatori per la creazione di app che sfruttino al meglio gli analytics in ambiente cloud e i dati sull’edge di rete. Nel dettaglio si tratta di:
Azure IoT Edge
L’anteprima di Azure IoT Edge consente di integrare intelligenza artificiale, strumenti avanzati di analytics e machine learning all’Internet of Things (IoT) edge.
Strumenti Visual Studio per l’AI
Grazie a questo strumento sviluppatori e data scientist possono dar vita a modelli di intelligenza artificiale attraverso la produttività di Visual Studio, in qualsiasi framework e lingua. Inoltre, grazie agli aggiornamenti di .NET, per i developers dovrebbe ora essere più semplice accedere ai modelli di AI a partire dalle proprie applicazioni.
Anteprima sui servizi di machine learning di Azure SQL Database
La novità è che SQL Database supporta ora anche i modelli del linguaggio R: questo dovrebbe consentire ai data scientist di sviluppare e addestrare i modelli in ambiente Azure Machine Learning, per poi implementarli direttamente su Azure SQL Database, in modo da creare previsioni in maniera rapida.
