iT邦幫忙

2019 iT 邦幫忙鐵人賽

DAY 1
3
Everything on Azure

Azure AI 向前衝系列 第 1

Day 01:用 Microsoft Azure Machine Learning Studio 學 AI

前言

第一次把玩 Azure Machine Learning Studio 十分鐘,就被它的選單給打敗了(實在太多了),之後,因為被強迫講授此一工具,有一天蹲廁所時,突然靈光乍現,悟出一點小小的心得,希望能將學習路徑記錄下來,與同好分享,也包括掛白板的點滴。 另外,如果時間允許的話,也會介紹『認知服務』(Cognitive Services),期望能與讀者雙向交流,了解企業實際導入的可能性與眉角。

一年過去,各家認定的AI學習歷程幾乎已經底定,大概可以分為四階段,如下圖:
https://ithelp.ithome.com.tw/upload/images/20181010/20001976cEwZUDShYV.png

課程包括以下內容:

  1. Python/R 程式設計入門
  2. 資料科學入門
  3. 『機器學習』(Machine Learning)
  4. 『深度學習』(Deep Learning)
  5. 其他進階演算法,例如『生成對抗網路』(GAN)、『強化學習』(Reiforcement Learning) ... 等。
  6. 實務探討與個案研究

整個學習歷程至少也要一年,需要莫大的恆心與毅力,但是,如果很多人可能只是要作 Executive Review,瞭解 AI 整個運作原理與流程,不想要寫程式,那從 Microsoft Azure Machine Learning Studio 著手,不失為一個很好的方式,因此,筆者就從這一個角度切入,提供一個快速學習的路徑,但是,筆者也會著重在觀念的說明,不會侷限在工具的使用介紹。

另外,由於筆者IT技術出身,又讀了六年統計,應該有時會離題,偶而會談一點程式設計、數學與統計觀念,還請見諒。

Microsoft Azure Machine Learning Studio 是甚麼碗糕?

Microsoft Azure Machine Learning Studio 基本上是一個『機器學習』的快速學習工具,它的優點如下:

  1. 免安裝,只要申請帳號就搞定了。
  2. 不用寫程式,只要拖曳『功能區塊』,再依據區塊需要,填入相關參數即可,當然,要寫點小程式,也是可以的,Python 或 R,任君選擇。
  3. 內建資料集(Datasets),直接拖曳就可使用,不必解析格式。
  4. 內建常用的演算法(Algorithms),也是直接拖曳就可使用,不必撰寫程式。
  5. 可佈署成 Web Services,發佈給他人使用。

『認知服務』(Cognitive Services) 是甚麼碗糕?

認知服務是一個 Turkey Solution,它是已經建構完成的深度學習產品,只要呼叫API,即可做到語音辨識,自然語言處理、圖像辨識等功能,所有模型及資料都在雲端,模型都已經訓練完成,只要使用SDK,上傳資料(音檔、圖檔或文章),就可以預測資料的類別及詳細資訊,例如人臉辨識,可以偵測照片中的人臉位置、頭髮顏色、性別、喜怒哀樂...等),企業可以直接導入使用的產品。

機器學習的實施流程

在操作 Microsoft Azure Machine Learning Studio(以下簡稱 ML Studio) 之前,我們先對整個流程要有一清楚的輪廓,否則看到它的選單數目(如下圖),八成會被嚇跑了(筆者就是落跑者之一)。
https://ithelp.ithome.com.tw/upload/images/20181010/20001976ClMestNPnb.png

筆者落跑之後沒多久,一個不小心被強迫講解此一工具的使用,只好耐住性子猛K官方文件,但是領悟有限。直到看到下面這張圖,才恍然大悟,只要掌握流程,就可以按圖索驥,一步步往下作。
https://ithelp.ithome.com.tw/upload/images/20181015/20001976cbbnOwlUlX.png
圖片來源:Free Machine learning diagram

原圖我已經稍作修改,並標註10個步驟,依次為:

  1. 匯入資料集(Dataset)。
  2. 資料清理(Data Cleaning)。
  3. 特徵選擇(Feature Engineering)。
  4. 資料切割(Data Split):切割為訓練資料(Training Data)及測試資料(Test Data)。
  5. 選擇演算法(Learning Algorithms)。
  6. 模型訓練(Model Training)。
  7. 模型計分(Score Model):計算準確度,衡量模型效能。
  8. 模型評估(Evaluate Model):可比較多個模型優劣。
  9. 新資料(New Data)匯入。
  10. 預測(Predict):ML Studio 支援 Web Services 介面。

讓我們開始吧 !!

首先,你必須先申請一個 Azure ML Studio 帳號,微軟很大方,免費註冊沒有試用期,永遠可用,不需信用卡號,網址如下:
https://studio.azureml.net/

  1. 若還沒有帳號,選擇『Sign In』下方的『Sign up here』
    https://ithelp.ithome.com.tw/upload/images/20181010/200019765d84LefX6k.png

選擇第二個方案。
https://ithelp.ithome.com.tw/upload/images/20181010/200019769vUHeO3qTI.png

待續

註冊好了,我們下次就開始依上述10個步驟,開始實作了。


下一篇
Day 02:用 Microsoft Azure Machine Learning Studio 完成第一個實驗
系列文
Azure AI 向前衝6

1 則留言

1
陳小熊
iT邦新手 5 級 ‧ 2018-10-17 08:54:33

寫的很好,最近研究所實作剛好要接觸這一塊,看完還沒落跑(^o^)/,期待您後續的分享

感謝,沒事不要落跑,乖乖在家作研究。
/images/emoticon/emoticon13.gif

我要留言

立即登入留言