#GlobalAzure
Azure Machine Learning
Elemar Rodrigues Severo Junior
Microsoft .NET MVP
THE BIGGEST
MICROSOFT AZURE
COMMUNITY EVENT
192 LOCATIONS
57 COUNTRIES
+10000 PEOPLE
Apoiadores Globais
Entendendo Data Science
Dados são um diferencial
competitivo
- “Empresas que usam análise de dados e negócios para orientar a
tomada de decisão sã...
Demanda por uma
análise do que há por vir.
- Uso de análise preditiva para planejamento de marketing e negócio
Por que é i...
Popularização e
validação de algoritmos
(ênfase para Amazon e Netflix)
Por que é importante? Por que agora?
Acesso a mais dados
- Segundo IDG, 35 zetabytes (35 trilhões de megabytes) em 2020
Por que é importante? Por que agora?
Mais (e mais barato)
poder computacional.
- Segundo IDG, 35 zetabytes (35 trilhões de megabytes) em 2020
Por que é importa...
Caminho para ser um “Cientista de Dados”
Processo padrão
Definir o
problema
Adquirir e
preparar dados
Desenvolver o
modelo
Distribuir o
modelo
Monitorar
performance
Processo padrão
Definir o
problema
Adquirir e
preparar dados
Desenvolver o
modelo
Distribuir o
modelo
Monitorar
performance
Processo padrão
Definir o
problema
Adquirir e
preparar dados
Desenvolver o
modelo
Distribuir o
modelo
Monitorar
performanc...
Processo padrão
Definir o
problema
Adquirir e
preparar dados
Desenvolver o
modelo
Distribuir o
modelo
Monitorar
performanc...
Processo padrão
Definir o
problema
Adquirir e
preparar dados
Desenvolver o
modelo
Distribuir o
modelo
Monitorar
performanc...
Processo padrão
Definir o
problema
Adquirir e
preparar dados
Desenvolver o
modelo
Distribuir o
modelo
Monitorar
performanc...
Processo padrão
Definir o
problema
Adquirir e
preparar
dados
Desenvolver
o modelo
Distribuir o
modelo
Monitorar
performance
■Separar pessoas ou coisas em grupos
■Amplamente utilizado em modelos preditivos
■EXEMPLO 1: Validação de operações com ca...
■Separar pessoas ou coisas em grupos
■Diferente da “Classificação” não há base de dados de treinamento, um
indicativo da r...
■Predição de variáveis numéricas
■Entradas são indicadores de categoria ou numéricas
■Regressão linear, árvores de decisão...
■Predição de variáveis numéricas
■Entradas são indicadores de categoria ou numéricas
■Regressão linear, árvores de decisão...
■Text Mining, Image Mining
■EXEMPLO 1: Interpretação do humor de um tweet
■EXEMPLO 2: O que há em uma foto
Análise de Cont...
■Text Mining, Image Mining
■EXEMPLO 1: Interpretação do humor de um tweet
■EXEMPLO 2: O que há em uma foto
Análise de Cont...
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
#GlobalAzure
Thanks!Obrigado!
Azure Machine Learning
Azure Machine Learning
Azure Machine Learning
Azure Machine Learning
Azure Machine Learning
Azure Machine Learning
Próximos SlideShares
Carregando em…5
×

Azure Machine Learning

449 visualizações

Publicada em

Nessa palestra mostro os fundamentos do AzureML (Azure Machine Learning), incluindo motivações para uso.

Publicada em: Tecnologia
0 comentários
4 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

Sem downloads
Visualizações
Visualizações totais
449
No SlideShare
0
A partir de incorporações
0
Número de incorporações
8
Ações
Compartilhamentos
0
Downloads
4
Comentários
0
Gostaram
4
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Azure Machine Learning

  1. 1. #GlobalAzure Azure Machine Learning Elemar Rodrigues Severo Junior Microsoft .NET MVP
  2. 2. THE BIGGEST MICROSOFT AZURE COMMUNITY EVENT 192 LOCATIONS 57 COUNTRIES +10000 PEOPLE
  3. 3. Apoiadores Globais
  4. 4. Entendendo Data Science
  5. 5. Dados são um diferencial competitivo - “Empresas que usam análise de dados e negócios para orientar a tomada de decisão são mais produtivas e tem melhores margens de retorno do que aquelas que não usam.” – McKinsey Institute 2011 Por que é importante? Por que agora?
  6. 6. Demanda por uma análise do que há por vir. - Uso de análise preditiva para planejamento de marketing e negócio Por que é importante? Por que agora?
  7. 7. Popularização e validação de algoritmos (ênfase para Amazon e Netflix) Por que é importante? Por que agora?
  8. 8. Acesso a mais dados - Segundo IDG, 35 zetabytes (35 trilhões de megabytes) em 2020 Por que é importante? Por que agora?
  9. 9. Mais (e mais barato) poder computacional. - Segundo IDG, 35 zetabytes (35 trilhões de megabytes) em 2020 Por que é importante? Por que agora?
  10. 10. Caminho para ser um “Cientista de Dados”
  11. 11. Processo padrão Definir o problema Adquirir e preparar dados Desenvolver o modelo Distribuir o modelo Monitorar performance
  12. 12. Processo padrão Definir o problema Adquirir e preparar dados Desenvolver o modelo Distribuir o modelo Monitorar performance
  13. 13. Processo padrão Definir o problema Adquirir e preparar dados Desenvolver o modelo Distribuir o modelo Monitorar performance Garbage in, garbage out
  14. 14. Processo padrão Definir o problema Adquirir e preparar dados Desenvolver o modelo Distribuir o modelo Monitorar performance Qual melhor algoritmo, dado problema e dados.
  15. 15. Processo padrão Definir o problema Adquirir e preparar dados Desenvolver o modelo Distribuir o modelo Monitorar performance Geralmente, reimplementação do modelo AzureML simplifica drasticamente essa etapa.
  16. 16. Processo padrão Definir o problema Adquirir e preparar dados Desenvolver o modelo Distribuir o modelo Monitorar performance Análise cuidadosa de eficiência em cenários reais. Reavaliação do modelo
  17. 17. Processo padrão Definir o problema Adquirir e preparar dados Desenvolver o modelo Distribuir o modelo Monitorar performance
  18. 18. ■Separar pessoas ou coisas em grupos ■Amplamente utilizado em modelos preditivos ■EXEMPLO 1: Validação de operações com cartão de crédito ■EXEMPLO 2: Atualização de planos de serviço Classificação
  19. 19. ■Separar pessoas ou coisas em grupos ■Diferente da “Classificação” não há base de dados de treinamento, um indicativo da resposta certa. ■Diversos alternativas em estatística (k-means) ■EXEMPLO 1: Segmentação de clientes Clustering
  20. 20. ■Predição de variáveis numéricas ■Entradas são indicadores de categoria ou numéricas ■Regressão linear, árvores de decisão, redes neurais ■EXEMPLO 1: Volume de alocação de call-center Regressão
  21. 21. ■Predição de variáveis numéricas ■Entradas são indicadores de categoria ou numéricas ■Regressão linear, árvores de decisão, redes neurais ■Estatística: Cadeias de Markov, Programação Linear, Monte Carlo ■EXEMPLO 1: Projeto aeronaves Simulação
  22. 22. ■Text Mining, Image Mining ■EXEMPLO 1: Interpretação do humor de um tweet ■EXEMPLO 2: O que há em uma foto Análise de Conteúdo
  23. 23. ■Text Mining, Image Mining ■EXEMPLO 1: Interpretação do humor de um tweet ■EXEMPLO 2: O que há em uma foto Análise de Conteúdo
  24. 24. #GlobalAzure
  25. 25. #GlobalAzure
  26. 26. #GlobalAzure
  27. 27. #GlobalAzure
  28. 28. #GlobalAzure
  29. 29. #GlobalAzure
  30. 30. #GlobalAzure
  31. 31. #GlobalAzure
  32. 32. #GlobalAzure
  33. 33. #GlobalAzure
  34. 34. #GlobalAzure
  35. 35. #GlobalAzure
  36. 36. #GlobalAzure
  37. 37. #GlobalAzure
  38. 38. #GlobalAzure
  39. 39. #GlobalAzure
  40. 40. #GlobalAzure
  41. 41. #GlobalAzure
  42. 42. #GlobalAzure
  43. 43. #GlobalAzure
  44. 44. #GlobalAzure
  45. 45. #GlobalAzure
  46. 46. #GlobalAzure
  47. 47. #GlobalAzure
  48. 48. #GlobalAzure
  49. 49. Thanks!Obrigado!

×