Введение
Машинное обучение во многих отношениях является пересечением двух дисциплин — обработки и анализа данных и программного обеспечения. Цель машинного обучения — использовать данные для создания прогнозной модели, которая может быть включена в программное приложение или службу. Для достижения этой цели требуется совместная работа между специалистами по обработке и анализу данных, которые изучают и подготавливают данные, прежде чем обучать модель машинного обучения, и разработчикам программного обеспечения, которые интегрируют модели в приложения, где они используются для прогнозирования новых значений данных (процесс, известный как вывод).
В этом модуле вы изучите некоторые основные понятия, на которых основана машинное обучение, узнайте, как определить различные виды моделей машинного обучения, а также изучите способы обучения и оценки моделей машинного обучения. Наконец, вы узнаете, как использовать Машинное обучение Microsoft Azure для обучения и развертывания модели машинного обучения без необходимости писать код.
Примечание.
Машинное обучение основано на математических и статистических методах, некоторые из которых описаны на высоком уровне в этом модуле. Не беспокойтесь, если вы не математический эксперт хотя! Цель модуля заключается в том, чтобы помочь вам получить интуицию того, как работает машинное обучение - мы будем держать математику минимально необходимой для понимания основных концепций.