Maskininlärning är bakom allt mer av tekniken vi använder varje dag - och det är inte bara röstigenkänning i Kinect och Cortana eller Microsofts futuristiska språköversättning i Skype.

Varje gång du får anvisningar från din GPS eller gör en kreditkorts transaktion eller söker en produkt online, förutsätter maskininlärning den bästa vägen, utredar huruvida du brukar använda ett stulet kreditkort och föreslår vad du kanske vill att köpa.

Hittills har du varit ett företag med resurser för Amazon eller Yahoo för att dra nytta av maskininlärning. Med sin nya maskinlära (ML) Studio-tjänst som körs på Azure hoppas Microsoft öppna den för alla som förstår statistik - och göra det enkelt att använda förutsägelserna från de maskinlärningsmodeller du kommer upp i i de appar där de kommer vara mest användbara.

"Jag bygger detta för att vara tillräckligt lätt för en gymnasieelever att använda", säger Microsoft företags vice president Joseph Sirosh till TechRadar - och han vet hur svårt maskininlärning kan vara, med att ha byggt Amazons rekommendationsmotor.

Med ML Studio ger Microsoft företag tillgång till de verktyg som den använder internt. Microsoft har arbetat med maskininlärning i två decennier, påpekar Sirosh. "Det är integrerat i Bing, till Xbox, i tyget på de flesta nyckelprodukter vi har - inklusive Cortana. Vi har en enorm mängd erfarenhet av maskininlärning och hur man gör det på internetskala och vi tar med mycket av den erfarenheten in i produkten. "

ML Studio bells och visselpipor

Få XP

Du behöver fortfarande vara datavetenskapare eller åtminstone matematik och statistikupplevelse för att få ut det mesta av tjänsten, som du kan prova i förhandsgranskning nästa månad. Men det var inte det som gjorde att McKinsey säger att företag inte kan hitta de hundratusentals datavetenskapare de vill använda.

"Det är inte så att människor inte existerar med matematikkunskapen, alla forskare i teknik eller matematik eller statistik kommer att ha en del av bakgrunden till att vara produktiv datavetenskapare och maskininlärning", säger Sirosh. Det är att de inte har haft bra, snabba, billiga, enkla verktyg att arbeta med.

"Idag måste datavetenskapare känna till så många komplexa verktyg, de måste vara både datatekniker och matematiker för att få saker att göra", säger han och tillägger att de kanske behöver 10 olika paket för att försöka få tillräckligt med maskininlärningsmodeller för att lösa ett problem.

"Och de här verktygen är extremt dyra och har en stor inlärningskurva, du måste spendera mycket tid för att bli produktiv med dem. Det är ett stort hinder.

"Vad vi gör här är att göra det så mycket enklare, du behöver bara veta dina uppgifter, veta hur du konfigurerar och ramar ditt problem och bygger sedan maskinlärningsmodellen. över till IT eller till en ingenjör med mycket sofistikerad programmeringserfarenhet att koppla upp. Nu kan datavetenskaparen göra det.

"Sättet som vi ändrar spelet är att vi låter dig bygga dessa skalbara system i molnet som kan hantera alla transaktionsbelastningar, så att du kan göra sofistikerade implementeringar med mycket liten ansträngning och det är otroligt starkt. Vad vi ändrar med detta verktyget sträcker sig till en mycket bred klass av utvecklare. Du kan ansluta den till en webbplats och det kommer bara att fungera! "

Det är långt ifrån de stora datasystemens komplexitet, vilket är en del av anledningen till att Gartners hype-cykelrapport bara har sagt att stora data inte ger fördelarna för de flesta företag som har ansökt om det.

"Vi hoppas verkligen att dra stora data ur sin desillusion," säger Sirosh, "och orsaken till den desillusionen är att stora data gör det möjligt för dig att lagra stora data, men analysera det och använda det är oerhört svårt, och det är väldigt svårt att koppla upp det i operativsystem. Det är viktigt.

"I slutet av dagen om du vill få verklig nytta av det måste du koppla upp det till system som faktiskt påverkar kunder eller hjälper dig att förutse saker och skapa fördelar på automatiserade sätt. Den typen av automatisering är vad vårt verktyg verkligen är excels vid. "