Microsoft ha lanzado una de las herramientas que tendrán más imparto para el Business Analytics y/o Data Mining. De momento ha pasado desapercibida por muchos a pesar de su gran potencial. En esta charla veremos que es Machine Learning y sus usos.
24 HOP edición Español - Machine learning - Cesar Oviedo
1. Machine Learning???
Microsoft Azure Machine Learning
Expositor: MVP César Oviedo - MCT, MCSE, MCITP
Moderador: Jose L Rivera
2. Gracias a nuestros auspiciadores
Database Security as Easy as A-B-C
http://www.greensql.com
Hardcore Developer and IT
Training
http://www.pluralsight.com
SQL Server Performance
Try PlanExplorer today!
http://www.sqlsentry.com
3. Próximos SQL Saturday
6 de Diciembre de 2014
https://www.sqlsaturday.com/351/register.aspx
24 de Enero de 2015
https://www.sqlsaturday.com/346/register.aspx
18 de Abril de 2015
https://www.sqlsaturday.com/368/register.aspx
9 de Mayo de 2015
https://www.sqlsaturday.com/373/register.aspx
4. Capítulo Global PASS en Español
4
4
Reuniones semanales todos los miércoles a
las 12PM UTC-5 (Hora de Colombia)
https://www.facebook.com/SpanishPASSVC
5. 5
Asistencia Técnica
Si requiere asistencia
durante la sesión debe
usar la sección de
preguntas que esta en el
menú de la derecha.
Use el botón de Zoom
para ajustar su pantalla
al tamaño deseado
Escriba sus preguntas
en la sección de
preguntas que esta en el
menú de la derecha
6. 6
Speaker
MVP César Oviedo
BI LATAM Community Manager
CEO Sensus Data & Analytics
MCT, MCSE, MCSA, MCITP, MCTS
www.businessintelligencelatam.com
/BusinessIntelligenceLatam
/groups/businessintelligencecr/
/BILATAM
8. Magic Quadrant for Advanced Analytics Platforms
(Antes del Machine Learning)
Precauciones
• “SQL Server 2012 Analysis Services le
8
8
falta amplitud y profundidad, así como la
facilidad de uso …”
• “aunque esto puede cambiar a medida
que las versiones finales del producto a
finales de 2014”
9. 9
Machine Learning
“The goal of machine learning is to build computer
systems that can adapt and learn from their
experience.”
– Tom Dietterich
10. 10
Types of Analytics
10
Traditional BI Deployed ML
11. ¿Cuándo debo usar Machine Learning?
11
• Predicción automatizada es el
objetivo
• Datos históricos ya disponibles
• “Números mágicos” en
sistemas de actuales
Si
• La predicción es una pequeña
parte de la experiencia
• No hay datos históricos
disponibles
• Muchos de reglas de negocio
gobiernan la experiencia
• Las predicciones no tienen un
patrón predecible
No
12. 12
Clases de problemas
Classification: Asignar una categoría a cada elemento (restaurante Chino | Francés | Hindú |
Italiano | japonés).
Regression: Predecir un valor real para cada elemento (valor de las acciones / efectivo,
temperatura).
Ranking: Ordenar artículos de acuerdo con algún criterio (búsqueda en la Web resulta relevante
para una consulta del usuario).
Clustering: Segmentar artículos en grupos homogéneos (carteras de clientes).
Dimensionality reduction: Transformar una representación inicial de elementos a una menor
representación dimensiones conservando algunas propiedades (preprocesamiento de imágenes
digitales).
13. Flujo basico del Machine Learning
Data
Model
Learning Prediction
Parameters
Decision Making
Utility Function
16. • Accesible a través de un navegador web, sin
16
Caracteristicas y Beneficios
16
necesidad de instalar software
• Colaboración en cualquier lugar a través del Azure
workspace
• Desarrollo 100% visual
• Extensible, soporte de R
• Experimentación rápida para crear modelos
• Rápidamente se pueden probar algoritmos de ML y
estrategias de modelado
• Desplegar rápidamente modelo como servicio web
Azure
17. consume publish
17
☁
ML API Service
+
enterprise
customer
data
scientist
☁
ML Studio
IT Pro
Azure ML Web Service
18. Desde el problema de negocio hacia el Valor Agregado
Data Microsoft Azure Machine Learning API
18
Microsoft
Azure portal
Publish API in minutes
Devices Applications Dashboards
ML
Studio
Workspace
Storage space Web
HDInsight
Azure Storage
Desktop Data
Business problem Modeling Deployment Business value