6月，微软在Udacity上推出了新的Azure机器学习(ML)课程，为学生提供开源工具和框架，如PyTorch，帮助他们构建复杂的ML解决方案。上周Ignite接受我们采访的时候，微软Power BI CVP Arun Ulag也评论了Azure ML服务在端到端系统构建中的重要性。
今天，研究型生物制药公司阿斯利康发布了如何利用Azure ML与PyTorch的合作加速新药研发的信息。
这项研究背后的团队认为，机器学习是分析数据以找到相关联系的关键，这就是为什么它在上下文科学中使用基于知识图的方法来理解数据事实网络之间的关系。我们团队的自然语言处理(NLP)成员更喜欢PyTorch高效地构建各种模型，并坚持最新的研究。
与Azure ML结合，它将创建推荐系统——运动训练嵌入，可用于将知识图中的节点映射到能够有意义地表示原始数据的低维数字数据。然后，借助Azure ML的高级计算能力，这些系统用于以一致的方式训练用例特定的模型。阿斯利康最近发表的一篇论文比较了不同情况下模型的性能，该论文同时使用了Azure ML和PyTorch。该公司使用Azure Blob存储来处理大量必要的数据。
同样，如上图所示，通过Azure ML简化了整个机器学习过程的端到端生命周期管理，从而加快了迭代和模型开发过程。这些方法构建的模型，最终将被用于更快、更准确地发现和推荐“潜在的新药和新药靶点”。
展望未来，该公司计划继续扩大其知识图谱——通过上述平台应用机器学习——最终目标是以更有效的方式为医疗保健行业提供新药。
