在科技圈不懂“机器学习”？那你就out了

Posted 2020-10-02 云计算和大数据收集

当联网的终端设备越来越多时，产生的信息数据也将呈指数式增长，大型、复杂、增长快速的数据收集已经无处不在。而机器学习能够扩增这些数据的价值，并基于这些趋势提出更广泛的应用情境。

那么，被人们津津乐道的机器学习到底是什么呢？

机器学习是一项已被研究及应用了数十年的专业领域，是一个能基于数据输入，进而导出预测成果的繁复计算机系统流程。而 Azure 的机器学习，则封装了这多年来机器学习的研究成果（如在 Bing 和 Xbox Live 已被使用的），能够以简洁的方法进行大数据分析时所需要的复杂数学模型，同时还大幅降低了进行预测分析时的大量开销及操作成本。

作出更聪明、更准确决策

Azure 机器学习可以利用多种统计方式及演算法，让客户根据历史数据进行预测。这种预测分析能力可用于许多用途，例如设备维护的时点、信用贷款分数、产品的最佳规格建议等。

该服务提供线上工具，与大型数据集成工作，能在无需编写代码的情况下，建立并发布预测模组。同时，亦无需购买传统上要实现机器学习所需要的昂贵硬件和软件。当然，为了能得出最好的预测分析成果，有实务经验的专业知识将会非常有帮助。

 

组织化学习程序，挖掘更高价值

利用 Azure 的云计算模型，可简化使用机器学习演算法的流程，透过组织化的学习程序，让组织能由数据中找出更多价值。

当然，通常亦需要更多的专业知识，例如数据科学家，需了解如何把 Azure 机器学习应用在特定的问题及场景中，以提出最佳解决方案。数据科学家是专精于统计和应用数学的专家，能将大数据可视化并进一步解释数据。Azure 的机器学习工具简单易学，但如果使用人员没有相应的专业知识，可能会产生误导性或不相关的结果。

 

可视化数据分析工具，直观形象

“ML Studio” 是一个 Azure 机器学习线上工具，可用于开发实验、执行模型、进而部署使用服务。“ML Studio” 的实验以流程图表的视觉化方式，对数据进行分析动作，可从工具箱中直接拖拉出预先定义好的模组至画面上，直接连接数据资料来指定实验的流程。这些模组包括数据的细部整理、机器学习算法(包括决策树、类神经网络、回归分析等)、和结果的评估功能，都有细项参数可以调整，以设定实验如何被训练及执行。

实验亦可以设定权限，让其他 Azure 订阅使用者查看，也能很快的自动生成 Web 服务并发布在 Azure 上。这 Web 服务为 REST API 的型式，能让程序员进行编程、并让其他应用程式嵌入访问。通过提交单笔资料或批次处理来取用此 Web 服务，再透过机器学习分析模型返回预测结果。

立即访问http://market.azure.cn