iT邦幫忙

鐵人檔案

2019 iT 邦幫忙鐵人賽
回列表
Everything on Azure

Azure AI 向前衝 系列

第一次把玩 Azure Machine Learning Studio 十分鐘,就被它的選單給打敗了,之後,因為被強迫講授此一工具,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,也會努力學習『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。

去年參賽,是用生命在寫部落文,壓力過大,搞得脖頸痠痛,祈禱今年不會重蹈覆策。

參賽天數 7 天 | 共 6 篇文章 | 27 人訂閱 訂閱系列文 RSS系列文
DAY 1

達標好文 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...

2018-10-15 ‧ 由 I code so I am 分享
DAY 2

Day 02:用 Microsoft Azure Machine Learning Studio 完成第一個實驗

入門 照理講,我們應該先了解『機器學習』(Machine Learning)概念,再談如何實作,但是,長篇大論恐怕讀者跑光光,所以,還是柿子挑軟的吃,從簡單的開...

2018-10-16 ‧ 由 I code so I am 分享
DAY 3

Day 03:ML Studio 第一個實驗的執行結果及模型評估

執行結果說明 上一篇我們使用『線性迴歸』(Linear Regression)建立『汽車價格估價』模型,但是,還沒有看結果,我們這一篇就來看看預測的效果如何?...

2018-10-17 ‧ 由 I code so I am 分享
DAY 4

Day 04:ML Studio 第一個實驗的佈署與預測

佈署 一般會在實驗過程中,反覆調整各個步驟的參數,找出效能最好的模型,一旦模型評估確定後,我們就可以準備將模型上線了,ML Studio 提供 Web Serv...

2018-10-18 ‧ 由 I code so I am 分享
DAY 5

Day 05:ML Studio 第一個實驗的 Web Services 整合

前言 上一篇,我們已經可以使用 Web Services 的簡易介面,讓使用者在網頁上輸入資料,並查看結果。這一次我們自己撰寫網頁程式,來呼叫 Web Serv...

2018-10-19 ‧ 由 I code so I am 分享
DAY 6

Day 06:機器學習演算法的選擇

前言 之前我們花了5天作完第一個實驗,從資料的匯入/清理(data cleaning)、模型訓練、模型評估、佈署到系統的整合,乖乖作過一遍,自覺收穫不少,在進行...

2018-10-20 ‧ 由 I code so I am 分享