Hoe Azure Machine Learning PowerPoint Designer mogelijk maakt

PowerPoint Designer gebruikt AI -kunstmatige intelligentie- mogelijkheden in Office 365 om meer waarde uit PowerPoint te halen en productiever te zijn. Benieuwd hoe ze dat doen? Lees dan deze blog. Wanneer je werkt met Office 365, zul je wellicht eens gebruik maken van PowerPoint. PowerPoint Designer biedt gebruikers nieuwe dia ontwerpen om de visuele aantrekkingskracht en betrokkenheid te maximaliseren. Al deze ontwerpen geven jou de mogelijkheid om je tekst op verschillende manieren als diagrammen weer te geven, lay-outs om je afbeeldingen te laten opvallen en het toont relevante afbeeldingen en pictogrammen om je dia’s naar een nog hoger niveau te tillen. Hiermee verbeter jij dus je dia’s waardoor je effectieve en verbluffende presentaties neer kunt zetten én het bespaart je een hoop tijd.

Mogelijkheden van PowerPoint Designer

Wist je dat Designer al jaren machine learning modellen gebruikt voor onderdelen zoals suggestieranking, diastructurenanalyse, tekstanalyse, inhoudaanbeveling en beeldcategorisatie? Sinds de start hebben inmiddels 1,7 miljard gebruikers Designer-dia’s bewaard in hun presentaties. Hierdoor begrijp je dus wel dat dit tot veel data lijdt, waardoor er een platform nodig was om modellen op grote schaal te analyseren. Daarnaast worden de modellen regelmatig verbeterd en wordt er veel geëxperimenteerd om geoptimaliseerde inhoudsaanbevelingen aan te bieden.

Waarvoor wordt Azure Machine Learning gebruikt?

Onlangs zijn ze bij PowerPoint gestart om gebruik te maken van Azure Machine Learning. Dit maakt inhoudssuggesties zoals video’s en achtergrondafbeeldingen mogelijk. Azure Machine Learning wordt gebruikt om geautomatiseerde pijplijnen te maken, zonder dat jouw gebruikerservaring wordt verstoord. De pijplijn begint bij het Azure Data Lake, hier bevindt zich de opslag van de gegevens. Vanuit hier verzamelt het PowerPoint team gegevens die worden verwerkt en getransformeerd naar een format wat een model kan begrijpen. De modellen worden door middel van Azure Machine Learning regelmatig bijgewerkt. Hierdoor kan het team modellen parallel te ontwikkelen op meerdere VM’s -virtuele machines- en GPU’s -grafische verwerkingseenheden-. Dit scheelt enorm veel tijd, en die tijd kunnen ze goed gebruiken om weer te experimenteren. Hyperparameters of varianten worden uitgeprobeerd en de resultaten worden met elkaar vergeleken. Een definitief model wordt teruggeplaatst in Azure Data Lake en vervolgens gedownload naar Azure Machine Learning. Hieronder zie je een voorbeeld van gegevens die worden gebruikt uit lokale caches in Azure Data Lake om modellen voor machine learning te ontwikkelen op Azure Machine Learning. Deze modellen worden geïntegreerd in de microservice-architectuur van de Designer Backend service die PowerPoint gebruikers intelligente dia suggesties biedt. Zo is het cirkeltje weer rond. Ben jij overtuigd van de voordelen en wil jij meer te weten komen over de mogelijkheden die PowerPoint je biedt? Volg dan de Microsoft PowerPoint training.