前言

那像AI這麼大的專題，以及Azure這麼大的方案，這麼大一個產品藍圖，我們在用Azure時要怎麼去做抉擇，這篇文章就是會教大家如何去選。

何時該用何種方案

我們對於AI Machine Learning這些議題中工具的抉擇，我在網路課程看到並製作了一個簡單的決策樹，來幫助大家來做判斷，所以當我們要採用微軟的服務或工具的時候，每個分之的決策點我會為大家分析。

決策點

1.自行訓練模型還是使用微軟先行訓練的模型的模型：

那第一步就是決定你要自己建立模型，還是使用微軟已經幫你建置好的。

左
:若是你選擇自建模型，就會往途中左邊的方向走。

右
:若是決定用微軟已經建置好的模型，就是使用Conitive Service微軟的認知服務，以及微軟針對bots所建立的一切自動化環境工具。

2.對於AI相關經驗深淺與否：

第二個決策點便是使用者對AI相關經驗如何，會決定接下來的使用工具

右
:若今天是一個初學者，且接下來的的應用皆偏向Machine Learning，偏向語文、數字、data為主的智慧型為、資料預測就會向較簡單的右邊走到Azure machine Learning
Studio，一個以HTML5建構的高互動式工具，可讓我們快速建立實驗。

左
:若你今天想要從程式碼下手來建立、訓練模型以及評估模型的品質，那我們就往左邊這條路走下去。

3.模型與資料位於何處

右
:如果選擇的是雲端，整個相關服務都是歸納在Azure Machine Learnind Service下面，它包含了各式各樣的服務，右方那條路，通通都是相關的配套服務（不只寫上去的那些），用戶們都可以使用這些方便的服務。

左
:若決定在地上自建環境，微軟在自建環境中，主要圍繞在SQL Server Machine Learning Service比較偏向文字、數字型資料相關的人工智慧應用，那左下角就是我目前查到可以使用的工具。

4.該使用微軟哪項產品與服務