SynapseML（以前称为MMLSpark）是一个开源库，它简化了大规模可扩展的机器学习（ML）管道的创建。SynapseML为各种不同的机器学习任务（如文本分析、视觉、异常检测等）提供了简单、可组合和分布式的API。SynapseML建立在Apache Spark分布式计算框架上，并与SparkML/MLLib库共享相同的API，使您能够无缝地将SynapseML模型嵌入到现有的Apache Spark工作流中。
使用SynapseML，您可以构建可扩展的智能系统，以解决异常检测、计算机视觉、深度学习、文本分析等领域的挑战。SynapseML可以在单节点、多节点和弹性可调整大小的计算机集群上训练和评估模型。这使您能够扩展工作而不会浪费资源。SynapseML可在Python、R、Scala、Java和.NET中使用。此外，其API抽象了各种数据库、文件系统和云数据存储，以简化实验，无论数据位于何处。
SynapseML 需要 Scala 2.12、Spark 3.2+ 和 Python 3.8+。
在数据库中部署机器学习（ML）算法的过程是具有挑战性的。现代ML算法的不同计算足迹和众多数据库技术，每种技术都有其限制性的语法，使得这些任务变得相当复杂。我们介绍了一种基于Apache Spark的微服务编排
如果有人问你雪豹和文森特·梵高有什么共同点，你可能会认为这是一个笑话的开头。
"将Azure认知服务的力量集成到您在Apache Spark™上的大数据工作流程中
今天在Spark + AI Summit 2019上，我们很高兴在SparkML生态系统中引入了一套新模型，使得在TB级别上使用Azure认知服务变得容易。
我们介绍了Microsoft Machine Learning for Apache Spark（MMLSpark），这是一个扩展Apache Spark分布式计算库的增强生态系统。该库解决了深度学习、微服务编排、梯度提升、模型可解释性以及现代计算的其他领域中的问题。
在这项工作中，我们详细介绍了一个名为MMLSpark的新开源库，它将灵活的深度学习库Cognitive Toolkit与分布式计算框架Apache Spark结合在一起。为了实现这一结合，我们为Cognitive Toolkit贡献了Java语言绑定。