在 AI 加持下的代码助手已经有很多了，如果你使用的是 VS Code，那么推荐安装 GitHub Copilot 来提升编码的效率。GitHub Copilot 为多种语言和各种框架提供支持建议，相信用过后就再也离不开飞一般的体验了。

安装扩展

在左侧点击扩展栏，输入“github copilot”搜索进行安装。或者由此一键安装。

• 强烈建议把 Github Copilot Chat 安装上。

我们很高兴地看到，在 Azure AI Model Catalog 中增加了几个新的基础和生成AI模型。从 Hugging Face 我们已经推出了一系列稳定的 stable diffusion 模型，falcon 模型，CLIP, Whisper V3, BLIP 和 SAM 模型。除了 Hugging Face 模型，我们还分别添加了 Meta 和 NVIDIA 的 Code Llama 和 Nemotron 模型。我们还将介绍微软研究中心的尖端 Phi 模型。Model Catalog 产生了40个新模型和4个新模式，包括文本到图像和图像嵌入。专业开发人员很快就可以轻松地将最新的 AI 模型(如Meta 的 Llama 2、Cohere 的 Command、G42 的 Jais 以及 Mistral 的高级模型)作为 API 集成到他们的应用程序中。他们还可以使用自己的数据对这些模型进行微调，而无需担心设置和管理GPU基础设施，从而帮助消除配置资源和管理主机的复杂性。

GitHub Copilot 的自动错误检测和纠正如何帮助简化调试

对于软件开发人员来说，调试可能是一个繁琐且耗时的过程。它需要仔细分析代码以识别和修复错误，并且通常需要数小时或数天才能完成。幸运的是，GitHub Copilot 开发了一个自动错误检测和纠正系统，可以帮助简化调试过程。

GitHub Copilot 的自动错误检测和纠正系统使用机器学习算法来识别和修复代码中的错误。它可以检测语法和逻辑中的错误，还可以检测和纠正编码风格问题。该系统可用于检测任何编程语言（包括 JavaScript、Python 和 Java）中的错误。

ML.NET 是一个面向 .NET 开发人员的开源跨平台机器学习框架，可将自定义机器学习模型集成到 .NET 应用中。

新版本的 Model Builder 现已推出，其中包括对使用本地 CPU 或 GPU 进行对象检测的支持。

什么是对象检测？

物体检测是一个计算机视觉问题。虽然与图像分类密切相关，但对象检测以更精细的规模执行图像分类。对象检测可对图像中的实体进行定位和分类。当图像包含多个不同类型的对象时，使用对象检测。

您是否有兴趣与自己的文档聊天，无论是文本文件、PDF 还是网站？LangChain 使您可以轻松地使用文档进行问答。在这篇博文中，我们将探讨四种不同的问答方法，以及您可以为案例考虑的各种选项。

在我们实现问答之前，您可能想知道：什么是 LangChain？简单来说，LangChain 是一种快速与语言模型交互和构建应用程序的开源框架，方便集成许多主流的 LLM 和组件扩展。

ML.NET 是一个面向 .NET 开发人员的开源跨平台机器学习框架，可将自定义机器学习模型集成到 .NET 应用中。

新版本的 Model Builder 现已发布！

有什么新变化？

以下是此版本的亮点。您可以在 Model Builder 发行说明中找到所有更改的列表。

要开始使用这些新功能，请安装或升级到最新版本的 Model Builder 16.14.4 或更高版本。

Model Builder中的句子相似性

句子相似性是一项比较两个文本彼此相似程度的任务。

句子相似性的常见用例是信息检索。例如，给出一个搜索查询，返回最相似（相关）的文档。

基因学工作流程在生物信息学中至关重要，因为它们可以帮助研究人员分析和解释大量的基因组数据。但是，使用专用软件和复杂的依赖项创建一致且可重复的环境可能具有挑战性，因此与 CI/CD 工具的集成也很困难。

Azure 机器学习 （Azure ML） 是一个基于云的平台，提供一组全面的工具和服务，用于开发、部署和管理机器学习模型。Azure ML 原生提供出色的可重复性和可审核性功能，而没有多少工作流解决方案提供这些功能。它为运行工作流提供了一个高度集成和标准化的环境，确保每个步骤都以一致且可重复的方式执行。此功能对于需要使用具有特定依赖项的某些版本的多个工具和软件包的基因学工作流特别有用。

Microsoft Azure 认知语音服务平台是技术和服务的综合集合，旨在加速将语音整合到应用程序中，从而扩大市场差异化。可用的服务包括语音转文本、文本转语音、自定义神经语音 （CNV） 对话听录服务、说话人识别、语音翻译、语音 SDK 和语音设备开发工具包 （DDK）。

人工智能教育是一项新兴技术，有可能彻底改变我们教授和学习语言的方式。语言学习最重要的方面之一是准确发音的能力，这就是 Azure 认知语音服务的新发音评估功能的用武之地。另一个关键机会是开发合成双语语音，用于使用自定义神经语音进行语言学习体验，以及我们的语音转文本功能。

步骤概述

定制的 OCR 解决方案提供了在文档或图像中定义唯一类别的功能。通过与各种客户合作开发定制 OCR 解决方案，我们经常听到这样的问题：“此解决方案在我的数据上表现如何？我们开发了一种方法，允许使用表单识别器工作室根据自定义数据对 Microsoft 的表单识别器进行基准测试，并在一个过程中使用基本事实批注训练自定义模型。

使用表单识别器工作室批注基本事实

在训练自定义表单识别器模型之前，必须具有标记或批注的数据集，也称为基本事实。为了提供注释过程的示例，我们创建了一个扫描的手写邮政地址的示例图像。真实名称为“John Doe”，地址为“000 Fifth Ave， NY 10065， USA”，如下图所示：

ML.NET 是一个面向 .NET 开发人员的开源跨平台机器学习框架，可将自定义机器学习模型集成到 .NET 应用中。

ML.NET 3.0 的第一个预览版带来了多项硬件加速改进，使你可以在训练期间充分利用计算资源。安装最新的 ML.NET 3.0 和Intel oneDAL 预览包，试用由 Intel oneDAL 提供支持的最新改进。

什么是 oneAPI Data Analytics Library（oneDAL）

Intel oneAPI Data Analytics Library 是一个通过为数据分析和机器学习过程的所有阶段提供高度优化的算法构建模块，帮助加快数据分析速度的库。oneDAL 利用 64 位架构中的 SIMD 扩展，这些扩展在 Intel 和 AMD CPU 中都有。