Overview of Microsoft Azure Machine Learning

1. Azure 機器學習
Eric ShangKuan
Technical Evangelist
Developer Experience & Evangelism (DX)
Microsoft Taiwan Microsoft Azure

2. Agenda
•什麼是 Machine Learning
•為什麼要使用 Azure Machine Learning
•如何使用 Azure Machine Learning

3. Machine Learning
•Machine learning is a scientific discipline that
explores the construction and study of algorithms
that can learn from data.
•Problems to learn:
• Classification
• Clustering
• Regression
• Density estimation
• Dimensionality Reduction
3
classification
clustering
(linear) regression

4. 為什麼需要機器學習
•從資料中找出商業價值
•預測使用者行為來調整商業行為
• 根據用戶喜好推薦商品
• 預測機器損壞的時間
•自動分類
• 判斷信件是否為垃圾郵件
•分群
• 找出性格相近的朋友
4

5. 什麼是 Azure Machine Learning
•由微軟建立的機器學習平台
•依照需求匯入及整理巨量資料
•套用適用的學習演算法
•建立自己的訓練模型
•以 web service 發佈
5

6. 為什麼要使用 Azure Machine Learning
• 資料科學家不必自己從頭開始撰寫程式
• 仍可自行撰寫 R script
• 運用 Microsoft Azure 的基礎建設處理巨量資料
• 已由 XBOX Live、Microsoft Research 及 Bing 驗證
• 結合 Azure HDInsight (Hadoop) 整合
• 需要運用巨量資料來進行學習
• Turnkey solution: 直接發佈成 Web service
6

7. Demo
Azure Machine Learning Studio
7

8. 如何使用 Azure Machine Learning
•可直接免費試用 Azure Machine Learning
• 計算時間小於一小時
•或是註冊 Microsoft Azure 訂閱帳號
• http://azure.microsoft.com/zh-tw/pricing/free-trial/
• 使用 Microsoft Account (Windows Live ID) 註冊
• 1 個月 / TWD 6,300 試用額度
• 計算時間 1 小時新台幣 11 元
•在 Azure Machine Learning Studio 操作

9. 範例: 預測汽車價格
需求: 根據汽車的品牌、車型、輪軸大小、引擎大小、
馬力、引擎最大瞬間轉速、高速公路油耗來預測汽車
的價格
採取行動
•從蒐集的汽車資料中，取出一部份訓練預測模型
•使用合適的演算法進行訓練
•使用另一部份的資料驗證預測模型的準確度
9

10. 學習流程
10
原始資料 整理資料 分割資料 訓練模型
演算法
驗證

11. Demo
汽車價格預測實驗
11

12. 現在就開始
前往 azure.microsoft.com