微软365应用程序是如此的普遍，以至于人们很容易忽视一些通过突破性技术（包括人工智能（AI））实现的惊人功能。Microsoft Outlook是一个电子邮件客户端，可帮助您在一个地方高效地处理电子邮件、日历、联系人、任务等。为了帮助用户在发送电子邮件时更加高效和谨慎，Outlook的web版本以及outlookforios和Android应用程序引入了建议回复，这是一个由Azure机器学习（Azure Machine Learning）支持的新功能。现在，当你收到一封可以快速回复的邮件时，outlookon the web和outlookmobile建议了三种回复选项，你只需点击几下就可以回复邮件，这有助于人们在工作和个人生活中进行交流，通过减少回复电子邮件的时间和精力。建议回复背后的开发团队由具有不同背景的数据科学家、设计师和机器学习工程师组成，他们致力于通过加快和简化通信来改善Microsoft Outlook用户的生活。他们在应用尖端自然语言处理（NLP）和机器学习（ML）技术的前沿，并利用这些技术来理解用户如何通过电子邮件进行交流，并从生产率的角度改进这些交互，从而为用户创造更好的体验。从引擎盖下面偷看为了处理这些交互提供的大量原始数据，团队使用Azure机器学习管道来构建他们的培训模型。Azure机器学习管道允许团队将培训步骤分为不同的步骤，例如数据清理、转换、特征提取、培训和评估。Azure机器学习管道的输出将原始数据转换为模型。这种机器学习管道允许数据科学家以一种合规的方式构建一个培训管道，从而强制执行隐私和合规性检查。为了训练这个模型，团队需要一种方法来构建和准备一个包含超过1亿条消息的大型数据集。为此，团队利用分布式处理框架从广泛的用户群中采样和检索数据。azuredatalake存储用于存储用于训练建议回复模型的培训数据。然后，我们将数据清理并整理成消息-回复对（包括对电子邮件的潜在响应），这些消息-回复对存储在azuredatalake存储（ADLS）中。为了训练模型，训练管道还使用存储在adl中的应答对。为了自己进行机器学习培训，团队使用Azure中可用的GPU池。培训管道利用这些精心策划的消息-回复对来学习如何根据给定的消息建议适当的回复。一旦建立了模型，数据科学家就可以将模型性能与以前的模型进行比较，并评估哪些方法在推荐相关建议答复方面表现更好。Outlook团队通过使用Azure平台准备大型数据集来帮助保护您的数据，这些数据集是根据Office 365法规遵从性标准构建建议回复等功能所必需的。数据科学家使用Azure计算和工作流解决方案来实施隐私策略，在gpu上创建实验和训练多个模型。这有助于提高开发人员的整体体验，并在内部开发循环周期中提供灵活性。这只是众多例子中的一个，说明了微软产品是如何借助azureai的突破性功能来创造更好的用户体验的。该团队每天都在从反馈中学习，并为用户改进该功能，同时还扩展了建议回复的类型。继续关注Azure博客以了解团队的最新情况，并成为最早知道此功能何时发布的人之一。了解更多了解有关Azure机器学习以及Outlook on the web如何使用智能技术的更多信息了解有关Azure机器学习如何推荐PowerPoint Designer设计布局的详细信息。了解Azure AI在团队和其他Microsoft 365产品中的其他使用方式。