Wprowadzenie
Uczenie maszynowe jest na wiele sposobów skrzyżowaniem dwóch dyscyplin — nauki o danych i inżynierii oprogramowania. Celem uczenia maszynowego jest użycie danych w celu utworzenia modelu predykcyjnego, który można włączyć do aplikacji lub usługi oprogramowania. Aby osiągnąć ten cel, współpraca między analitykami danych, którzy eksplorują i przygotowują dane przed ich użyciem do trenowania modelu uczenia maszynowego, oraz deweloperzy oprogramowania, którzy integrują modele z aplikacjami, w których są używane do przewidywania nowych wartości danych (procesu znanego jako wnioskowanie).
W tym module zapoznasz się z niektórymi podstawowymi pojęciami, na których opiera się uczenie maszynowe, dowiesz się, jak identyfikować różne rodzaje modeli uczenia maszynowego i analizować sposoby trenowania i oceniania modeli uczenia maszynowego. Na koniec dowiesz się, jak używać usługi Microsoft Azure Machine Edukacja do trenowania i wdrażania modelu uczenia maszynowego bez konieczności pisania kodu.
Uwaga
Uczenie maszynowe jest oparte na technikach matematycznych i statystycznych, z których niektóre zostały opisane na wysokim poziomie w tym module. Nie martw się, jeśli nie jesteś jednak ekspertem matematycznym! Celem modułu jest pomoc w uzyskaniu intuicji sposobu działania uczenia maszynowego — będziemy utrzymywać matematykę do minimum wymaganego do zrozumienia podstawowych pojęć.