生在大數據時代，你一定要了解 Machine Learning 機器學習
「大數據分析及機器學習開創了更多的商業應用，Microsoft Azure 雲端平台不僅能夠提供物聯網的資料運算與分析服務，同時透過機器學習，也讓物聯網產業走向智能產業。」台灣微軟營運暨行銷事業群總經理康容曾經這樣說過。當物聯網這詞越來越火紅，各個企業都想辦法讓裝置連上網，透過雲端上的機器學習分析大數據，協助企業更快速準確地做決策。上個月微軟與研華科技合作建立全亞洲第一座物聯網智慧雲端平台，以 Microsoft Azure 雲端平台結合研華科技的 SUSIAccess 物聯網解決方案共同拓展全球物聯網加值應用開發。了解更多請看 案例分享。
機器學習可藉由電腦系統搜尋歷史資料來預測未來趨勢和行為，成為日常生活不可或缺的一部分。像是搜尋引擎、線上建議、定向廣告、虛擬幫手、需求預測、詐騙偵測、垃圾郵件過濾等等，機器學習皆可強化這些現代服務。Microsoft Azure 的機器學習提供強大的雲端預測分析，已整合受到完整管理，不須購買軟硬體，內建多達 350 個 R 套件，也可以自己帶入自己的 R 程式碼，只需按一下即可快速部署，Azure 機器學習結合新的分析工具、針對 Xbox 與 Bing 所設計的強大演算法，和這幾年來對微軟機器學習的研究，已經成為一個簡單好用的雲端服務。簡單來說，這是一個改變遊戲規則的產品。它讓使用資料的新手和初學者無需昂貴的費用，就能運用以前只能在複雜商業行為中使用的工具。大型企業可以更快更有效率地從資料中獲得更多價值。所以這一期就讓我們來認識這項人人都在討論的主題：機器學習。
MVA 微軟虛擬學院 Pay Nothing, Learn Everything! https://mva.ms/
| |
![]() Machine Learning 機器學習實作 - 五分鐘完成商品推薦系統講師：Jesse Chang & Angi Wang
Microsoft Azure ML (Machine Learning、機器學習) 於 2014/07 正式公開預覽，微軟多年來致力於機器學習，除了提供數種演算法於 SQL Server 的資料採礦 (Data Mining)工具，機器學習也運用在 XBOX、Bing、Cortana，甚至於近期推出的 Skype 翻譯工具，這些經驗的累積，讓我們今天可以將機器學習搬上公有雲，儘管我們見過像 Google Prediction API 等少數雲端人工智慧服務，但 Azure ML 將帶領雲端機器學習邁入全新境界。 |
| |
![]() 當個頂尖雲端資料分析師 - 活用微軟雲端大數據平台，提升企業競爭力
講師：亞洲資採 技術長 尹相志
傳統的數據分析，讓你預知未來，機器學習可以讓你改變未來。2014 年 7 月 Microsoft 宣布 Azure Machine Learning (Azure ML) 進入預覽階段，這使企業能夠利用雲端運算的能力來構建基於大數據的應用程式和 API，並預測未來的事件。透過模型運算，可以預測需求，預測疾病的爆發，預測和預防犯罪或大型零售客戶預測客戶最有可能購買的產品等等。在本課程中，將會讓各位從運用 HDInight (微軟雲端 Hadoop 解決方案) 儲存數據，一直到運用 Azure Machine Learning 設計資料採礦預測模型，以及最後透過 Power BI for Office 365 進行商業智慧分析進行分析與監控。 |
| |
![]() Getting Started with Microsoft Azure Machine Learning (有英文字幕)
講師：Buck Woody & Seayoung Rhee
此課程將從最基本的 Machine Learning 開始做介紹，並帶您進入看到 Azure Machine Learning 的功能與強大！ |
|
技術文章
|
Azure 「機器學習」初體驗 (客座編輯 蔡孟儒 Raymond)
機器學習 (Machine Learning, (ML)) 是用來解決實務問題的，而本篇文章以一個 「一個腳踏車行，想根據來店客人的基本資料，預測 (predict) 此客人是否會買腳踏車。」的問題開始從最基本的如何在 Azure 管理網頁上建立一個基本的 Machine Learning model，再到如何利用這個 model 來達到解決實務的目的，以深入淺出的方式介紹 ML，相當適合想要學習 Machine Learning 的初學者觀看。 閱讀完整文章》
Azure「機器學習」FAQ，以及實際應用模型
早期要實作「機器學習」進行實務應用是相當昂貴的。不但需要高階的硬體設備及複雜的軟體環境，同時還需要深諳統計學、人工智慧等的資料科學家團隊，更遑論隨之而來的管理及作業成本。但隨著公有雲服務 (如 Azure) 讓計算機運算以及儲存成本大幅降低、科學家們持續發展出強固的各種演算法、再加上如 Azure ML 等易用工具的產生，將使用成本、學習成本及管理成本一併拉低。 閱讀完整文章》 |
|
在 Azure Machine Learning Studio 中建立簡易實驗
預測性分析實驗的核心部分包含了用以 *建立模型*、*定型模型* 和 *對模型評分與測試* 的元件。您可以結合這些元件，以建立會取用資料、以此資料為基礎訓練模型，以及將模型套用至新資料的實驗。您也可以將模組新增至前置處理資料並選取功能、將資料分割為定型和測試集，以及評估或交叉驗證模型的品質。透過本文，我們將使用 Microsoft Azure Machine Learning Studio 來開發及檢測簡易的預測性分析實驗。 閱讀完整文章》
疑難排解指南：建立 Azure 機器學習工作區並進行連線
一個受到妥善管理、而讓資料科學家和開發人員能夠有效將預設分析嵌入其應用程式中的雲端服務，可協助組織使用大量資料集，並充分發揮雲端對於機器學習的助益。本文將介紹如何使用 Microsoft Azure 來完成 Machine Learning 的設置。 閱讀完整文章》
|
|
|
|