在近期的Ignite大會上，Microsoft釋出了多個與人工智慧服務及工具相關的更新，其中包括髮布Azure ML Experimentation服務、Azure ML Model Management服務、Azure ML Workbench以及Microsoft Cognitive Services的一般可用版（GA）。
Microsoft的機器學習平臺業已得到了相當可觀的採用，但是在服務中也發現了一些問題。Microsoft的高階專案經理（Group Program Manager）Matt Winkler給出了這樣的解釋：
我們已經部署了成百上千的模型，服務了數十億次的請求。雖然我們只做了數年，但是已經開始看到一些經常性模式。客戶告訴我們他們喜歡這種便捷性，但也提出他們需要對計算和資料具有更大的控制，為模型部署提供更多的選項。客戶對框架也有著非常多樣化的需求，並希望對模型具有同等程度的管理和部署能力。
此次新發布的功能，有望通過在模型的開發和部署方式為客戶提供更多控制，解決客戶感受到的這些不足之處。
Azure ML Experimentation服務
Azure ML Experimentation服務使用了基於Git的檢查點和版本控制機制，管理專案依賴和對任務的訓練操作，無論這些任務是本地執行的，還是以橫向或縱向擴充套件方式執行的。此外，資料科學家也可以選擇使用他們自己的框架，例如TensorFlow、Microsfot CNTK和SparkML等。他們也可以選擇自己喜歡的開發工具，例如Microsfot Code、Visual Studio、Jupyter和PyCharm等。該服務還捕獲服務端執行的度量、輸出日誌和模型。
Azure ML Model Management服務
Azure ML Model Management服務為客戶提供了靈活控制模型部署位置的能力。客戶可以使用Docker在本地（On-Premise）或雲中部署模型，並具有充分的可移植性。
模型的部署和管理是通過HTTP終端實現的。客戶可使用Application Insights監控並洞悉模型的效能。該服務對SparkML、Python、Cognitive Toolkit、TF和R提供了最好的支援，還可通過擴充套件支援Caffe和MXnet等其它一些工具。
Azure ML Workbench
Azure ML Workbench是一種用在Windows和Mac OS X上的人工智慧開發工具，其中包括完全的Python和Jupyter環境設定，並嵌入了IPython Notebook。它還提供全面的執行歷史，並提供對實驗對比的體驗。Microsoft還在其中新增了資料整理（Data Wrangling）工具，簡化了將資料匯入到資料科學實驗中的體驗。資料整理能力包括資料取樣和資料理解，進而在資料上執行轉換。上述功能是通過使用PROSE（Program Synthesis Using Examples，一種通過示例準備資料的技術）提供的。
Microsoft Cognitive服務
Microsoft還宣佈了升級了Cognitive Services平臺，其中提供Text Analytics服務的一般可用版（GA）。Text Analytics服務支援開發人員做情感分析，以及從文字中檢測關鍵短語、話題和語言。