Introduktion
Maskininlärning är på många sätt skärningspunkten mellan två områden – datavetenskap och programvaruteknik. Målet med maskininlärning är att använda data för att skapa en förutsägelsemodell som kan införlivas i ett program eller en tjänst. För att uppnå det här målet krävs samarbete mellan dataexperter som utforskar och förbereder data innan de använder dem för att träna en maskininlärningsmodell och programvaruutvecklare som integrerar modellerna i program där de används för att förutsäga nya datavärden (en process som kallas slutsatsdragning).
I den här modulen utforskar du några av de grundläggande begrepp som maskininlärning baseras på, lär dig hur du identifierar olika typer av maskininlärningsmodeller och undersöker hur maskininlärningsmodeller tränas och utvärderas. Slutligen får du lära dig hur du använder Microsoft Azure Machine Learning för att träna och distribuera en maskininlärningsmodell, utan att behöva skriva någon kod.
Kommentar
Maskininlärning baseras på matematiska och statistiska tekniker, varav vissa beskrivs på hög nivå i den här modulen. Oroa dig inte om du inte är en matematisk expert dock! Målet med modulen är att hjälpa dig att få en intuition om hur maskininlärning fungerar – vi håller matematiken till det minimum som krävs för att förstå kärnbegreppen.