Sentiment Analysis com Power BI e Cognitive Services
Azure Auto ML
1. Create and explore Automated
Machine Learning Experiments
in the Azure Portal
ORLANDOGOMES
MICROSOFTMVPDATAPLATFORM
MICROSOFTSTUDENTPARTNER(MSP)
MEDIUM.COM/@_ORLANDOGOMES
LINKEDIN.COM/IN/ORLANDOMARIANO
FACEBOOK.COM/PAGE.ORLANDOGOMES
2. Sobre
✓ Consultor de BI – Lambda3;
✓ Co-Organizer @Nerdzao;
✓ Microsoft MVP Data Platform;
✓ MSP - Microsoft Student Partner;
✓ Graduando do 4º Ano de Engenharia Mecatrônica - FIAP;
✓ Experiência focada em SharePoint e Power BI;
✓ Fã de Pokémon / Futebol
5. Machine Learning
“Subcampo da ciência da computação e estatística que lida com a
construção e o estudo de sistemas que podem aprender com
dados, em vez de seguir apenas instruções explicitamente
programadas.”
-Wikipedia
7. Azure Machine Learning Service
✓ Ambiente baseado em cloud usado para trabalhar todo o processo de criação e gestão do modelo
de machine learning (preparar dados, treinar, testar, implantar, gerenciar e monitorar);
✓ Treino do modelo inicialmente em maquina local (com o uso do Azure Machine Learning Python
SDK) para posterior deploy no Azure, tornando a execução escalonavel;
✓ Integração com tecnologias Open Source como PyTorch, TensorFlow e scikit-learn;
✓ Code-low experience: uso da Visual interface (preview) como um ambiente amigavel para o deploy
de modelos no modelo de drag-n-drop de blocos;
:
✓ Conexão com outros serviços de dados do Azure:
✓ Azure HDInsight (Big Data);
✓ Azure SQL Database;
✓ Virtual Machines.
8. Automated Machine Learning
✓ Também conhecido como Auto ML, permite que os cientistas de dados, analistas e
desenvolvedores criem modelos ML com alta escala, eficiência e produtividade;
✓ Trabalha por meio de combinações de algoritmos e seleções de recursos, onde ao final, o melhor
modelo e selecionado de acordo com variados parametros, como metricas de performance e
tempo de treino;
✓ Automatizacao do processo de Machine Learning, onde normalmente e necessario que o cientista
treine o modelo baseado nos melhores parametros com tentativa e erro para cada modelo.
✓ Processo transparente, de modo o cientista nao so veja o que ocorre, como configure parametros
como variaveis alvo e numero de interacoes;
✓ Similar ao conceito de Ensemble (N modelos treinados paralelamente a partir de uma base de
treino para posterior comparacao).
14. ▪ Colocando o Azure ML no seu Cotidiano
▪ https://www.youtube.com/watch?v=CNsH2PKPnWI
▪ Análise preditiva com Azure Machine Learning e R
▪ http://www.livrosdonogare.com.br/produto/analise-preditiva-com-azure-machine-
learning-e-r/
▪ What is Automated Machine Learning ?
https://docs.microsoft.com/en-us/azure/machine-learning/service/concept-
automated-ml
▪ Create and explore automated machine learning experiments in the Azure
portal (Preview)
https://docs.microsoft.com/en-us/azure/machine-learning/service/how-to-create-
portal-experiments
Referencias