回顾R和微软过去的一年

托马斯·斯莫尔的ML / DL博客最近回顾了数据科学，机器学习和深度学习显著的进步-其中许多涉及R和/或微软。以下是他们的亮点：

R Project

R和Python保持其作为开放数据科学主要工具的领导地位。Python与R的争论仍在继续，一个新的共识是数据科学家应该考虑学习两者。R有一个更强大的统计和机器学习技术库，在使用小数据时更加灵活。Python更适合开发应用程序，而Python开源许可证对商业应用程序开发的限制较少。

• R用户社区在2016年继续扩大。在2016年O'Reilly数据科学薪资调查中，它排名第二，仅次于SQL;首先在 KDNuggets 投票; 并首先在 Rexer 调查。R在IEEE Spectrum排名中排名第五。
• R的功能快速增长。今年四月，微软Andrie de Vries报道， CRAN（R里主要贡献包的库）里有超过8000个包。截至12月中旬，有9737个包。CRAN的机器学习包在数量和功能上继续增长。
• R联盟，Linux基金会的一个合作项目，在2016年取得了一些进展。IBM和ESRI加入该联盟，其成员目前也包括 Alteryx，Avant，DataCamp，Google，Ketchum Trading，Mango Solutions，微软，甲骨文，RStudio，和TIBCO。现在有三个工作组和八个资助项目。
• Hadley Wickham有一个好年景。作为R项目的最大贡献者之一，Wickham共同撰写了数据科学相关的R，并于9月发布了tidyverse 1.0.0。在优秀工具的宣言中，Wickham解释了一个好的API的四个基本原则。
• Max Kuhn，应用预测建模的作者和插入符包学习机的开发，11月加入RStudio。RStudio此前聘请了Joseph Rickert，且他就此离开了微软。
• AT＆T实验室正在与R做一些令人印象深刻的工作，包括使用Hadoop和其他数据平台进行外部处理的分布式后端的开发。在UseR！发布会上Simon Urbanek 提出了一个总结。
• 枚举今年在R中进行的所有有趣的分析是不可能的。David Robinson’s对Donald Trump’s的推文的分析让人产生了共鸣; 使用tidyverse，tidytext和TWITTER，Robinson能够在同一帐户中区分候选人的“声音”和他的员工的“声音”。
• 在Revolutions博客，微软的David Smith调查了女性在R社区的增长规律。

微软

微软在机器学习和深度学习方面有一年了。正如我在第一部分和第二部分所指出的，2016年MSFT在Azure中推出了用于视觉，报告，语言，知识和搜索的认知API; AzureHDInsight中的Spark的管理服务;增强了Azure机器学习和2.0版本的深度学习框架，更名为MicrosoftCognitive Toolkit。

这只是为初学者提供的。

• 在一月份，微软宣布推出微软R服务器，并在2015年收购了革命分析产品。微软R服务器包括一个增强R分布，可扩展的后端，和集成工具。在这一年里，微软为R Server发布了两个主要版本。在第8版中，公司加入了Spark的下推式集成。第9版更新了Spark 2.0的Spark集成，并添加了MicrosoftML，一个用于机器学习的新R包。
• 微软在3月份发布了SQL Server 2016嵌入式SQL Server服务。在“Revolution”博客上，David Smith报告了此发布。 TomažKaštrun解释了在SQL Server你可以用R做什么。
• 十一月，在扩展预览之后，Microsoft宣布了Azure HDInsight的R Server的普遍可用性，这是一个与从HDInsight创建的Spark集群集成的R的横向扩展实现。
• 此外，在Azure中，微软添加一个Linux版本的数据科学虚拟机（DSVM）。以前可用作Windows实例，DSVM包括Revolution R Open，Anaconda，Visual Studio社区版，PowerBI桌面，SQL Server Express和在Azure SDK。
• PowerBI是微软强大的可视化工具，在8月增加了R支持。在计算机世界里，R用户Sharon Machlis先生热情地说。更多详细内容在Revolution博客。
• Visual Studio的R Tools于3月推出公开预览，9月份推出。另外在9月，微软发布了Microsoft R Client，这是一个免费的数据科学工具，与Microsoft R Open和ScaleR分布式后端一起使用。
• 微软数据科学家Gopi Krishna Kumar，Hang Zhang和Jacob Spoelstra开发了一种数据科学方法，他们在9月的微软机器学习和数据科学峰会上提出了这种方法。David Smith对此进行了报导。该方法（作者称为团队数据科学过程）包括一个标准目录结构，用于使用诸如Git之类的系统管理项目工件。它还包括支持该过程的开源实用程序。
• 微软团队开发了一个识别对话语音的系统，就像人类的行为一样。该团队使用用Microsoft认知工具包（CNTK）构建的卷积和长期短期记忆（LSTM）神经网络。
• 作为CNTK发布于2015年，Microsoft将其深度学习框架重新命名为Microsoft Cognitive Toolkit（MCT）并发布了2.0版本，并提供了新的Python API和许多其他增强功能。在VentureBeat，Jordan Novet报道。
• 该公司还在Azure中推出了22种认知API，用于视觉，报告，语言，知识和搜索。另外，MSFT在Azure HDInsight发布了针对Spark的托管服务，并继续增强Azure机器学习。
• MSFT十二月宣布Azure N系列计算实例由普遍可用的NVIDIA图形处理器供电。

PPV课小组翻译，未经许可严禁转载。

原文：https://www.r-bloggers.com/a-look-back-at-the-year-in-r-and-microsoft/