แชร์ผ่าน

ใช้ตัวอย่าง AI แบบ end-to-end ใน Microsoft Fabric

  • บทความ

ซอฟต์แวร์ Synapse Data Science เป็นบริการ (SaaS) ใน Microsoft Fabric สามารถช่วยให้ผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่องสร้าง ปรับใช้ และปฏิบัติการแบบจําลองการเรียนรู้ของเครื่องในแพลตฟอร์มการวิเคราะห์เดียว ในขณะที่ทํางานร่วมกับบทบาทสําคัญอื่น ๆ บทความนี้อธิบายทั้งความสามารถของประสบการณ์วิทยาศาสตร์ข้อมูล Synapse และวิธีที่แบบจําลองการเรียนรู้ของเครื่องสามารถแก้ไขปัญหาทางธุรกิจทั่วไปได้

ติดตั้งไลบรารี Python

ตัวอย่าง AI แบบ end-to-end บางส่วนจําเป็นต้องมีไลบรารีอื่น ๆ สําหรับการพัฒนาแบบจําลองการเรียนรู้ของเครื่องหรือการวิเคราะห์ข้อมูลเฉพาะกิจ คุณสามารถเลือกหนึ่งในตัวเลือกเหล่านี้เพื่อติดตั้งไลบรารีเหล่านั้นสําหรับเซสชัน Apache Spark ของคุณได้อย่างรวดเร็ว

ติดตั้งด้วยความสามารถในการติดตั้งแบบอินไลน์

ใช้ความสามารถในการติดตั้งแบบอินไลน์ของ Python - ตัวอย่างเช่น %pip หรือ %conda - ในสมุดบันทึกของคุณเพื่อติดตั้งไลบรารีใหม่ ตัวเลือกนี้ติดตั้งไลบรารีเฉพาะในสมุดบันทึกปัจจุบันเท่านั้น และไม่ได้อยู่ในพื้นที่ทํางาน ใช้รหัสนี้เพื่อติดตั้งไลบรารี แทนที่ <library name> ด้วยชื่อของไลบรารีของคุณ: imblearn หรือwordcloud

# Use pip to install libraries
%pip install <library name>

# Use conda to install libraries
%conda install <library name>

ตั้งค่าไลบรารีเริ่มต้นสําหรับพื้นที่ทํางาน

เพื่อทําให้ไลบรารีของคุณพร้อมใช้งานในสมุดบันทึกใด ๆ ในพื้นที่ทํางาน คุณสามารถใช้ สภาพแวดล้อม Fabric สําหรับวัตถุประสงค์นั้นได้ คุณสามารถสร้างสภาพแวดล้อม ติดตั้งไลบรารีในนั้น จากนั้น ผู้ดูแลระบบ พื้นที่ทํางานของคุณสามารถแนบสภาพแวดล้อมเข้ากับพื้นที่ทํางานเป็นสภาพแวดล้อมเริ่มต้น สําหรับข้อมูลเพิ่มเติมเกี่ยวกับการตั้งค่าสภาพแวดล้อมเป็นค่าเริ่มต้นของพื้นที่ทํางาน ดูที่ผู้ดูแลระบบตั้งค่าไลบรารีเริ่มต้นสําหรับพื้นที่ทํางาน

สำคัญ

การจัดการไลบรารีที่การตั้งค่าพื้นที่ทํางานไม่ได้รับการสนับสนุนอีกต่อไป คุณสามารถทําตาม "โยกย้ายไลบรารีพื้นที่ทํางานและคุณสมบัติ Spark ไปยังสภาพแวดล้อมเริ่มต้น" เพื่อโยกย้ายไลบรารีพื้นที่ทํางานที่มีอยู่ไปยังสภาพแวดล้อม และแนบไว้เป็นค่าเริ่มต้นของพื้นที่ทํางาน

ทําตามบทช่วยสอนเพื่อสร้างแบบจําลองการเรียนรู้ของเครื่อง

บทช่วยสอนเหล่านี้มีตัวอย่างแบบครอบคลุมสําหรับสถานการณ์ทั่วไป

การเลิกใช้บริการของลูกค้า

สร้างแบบจําลองเพื่อทํานายอัตราการเลิกใช้บริการสําหรับลูกค้าธนาคาร อัตราการเลิกใช้บริการ (churn rate of attrition) คืออัตราที่ลูกค้าหยุดทําธุรกิจกับธนาคาร

ทําตามใน บทช่วยสอนการคาดการณ์การเลิกใช้บริการ ของลูกค้า

การแนะนำ

ร้านหนังสือออนไลน์ต้องการคําแนะนําที่กําหนดเองเพื่อเพิ่มยอดขาย ด้วยข้อมูลการให้คะแนนสมุดลูกค้าคุณสามารถพัฒนาและปรับใช้แบบจําลองคําแนะนําเพื่อทําการคาดการณ์

ทําตามใน การฝึกอบรมแบบฝึกหัดแบบจําลอง การแนะนําการค้าปลีก

การตรวจจับการฉ้อโกง

เมื่อธุรกรรมที่ไม่ได้รับอนุญาตเพิ่มขึ้น การตรวจจับการฉ้อโกงบัตรเครดิตแบบเรียลไทม์สามารถช่วยให้สถาบันการเงินสามารถให้เวลาในการแก้ปัญหาได้เร็วขึ้น แบบจําลองการตรวจจับการฉ้อโกงรวมถึงการประมวลผลล่วงหน้า การฝึกอบรม การจัดเก็บแบบจําลอง และการอนุมาน ส่วนการฝึกจะตรวจสอบหลายแบบจําลองและวิธีการที่จัดการกับความท้าทาย เช่น ตัวอย่างที่ไม่สมดุลและการแลกเปลี่ยนระหว่างผลบวกเท็จและผลลบเท็จ

ทําตามในบทช่วยสอนการ ตรวจจับ การฉ้อโกง

การคาดการณ์

ด้วยข้อมูลยอดขายของพร็อพเพอร์ตี้นิวยอร์กซิตี้ในอดีต และ Facebook Prophet ให้สร้างแบบจําลองอนุกรมเวลาด้วยข้อมูลแนวโน้มและกาลเวลาเพื่อคาดการณ์ยอดขายในรอบในอนาคต

ทําตามใน บทช่วยสอนการคาดการณ์ ชุดข้อมูลเวลา

การจัดประเภทแบบข้อความ

ใช้การจัดประเภทข้อความด้วย word2vec และแบบจําลองการถดถอยเชิงเส้นใน Spark เพื่อคาดการณ์ว่าหนังสือในไลบรารีอังกฤษเป็นเรื่องสมมุติหรือไม่ขึ้นอยู่กับเมตาดาต้าของสมุด

ทําตามใน บทช่วยสอนการจัดประเภท แบบข้อความ

รุ่น Uplift

ประเมินผลกระทบที่เกิดจากการรักษาทางการแพทย์บางอย่างเกี่ยวกับพฤติกรรมของแต่ละบุคคลด้วยแบบจําลองยกระดับ สัมผัสเรื่องหลักสี่ประการในโมดูลเหล่านี้:

  • โมดูลการประมวลผลข้อมูล: แยกคุณลักษณะ การรักษา และป้ายชื่อ
  • โมดูลการฝึกอบรม: ทํานายความแตกต่างในพฤติกรรมของแต่ละบุคคลเมื่อได้รับการรักษาและเมื่อไม่ได้รับการรักษาด้วยแบบจําลองการเรียนรู้ของเครื่องแบบคลาสสิก เช่น LightGBM
  • โมดูลการคาดการณ์: เรียกใช้แบบจําลอง uplift สําหรับการคาดการณ์เกี่ยวกับข้อมูลทดสอบ
  • โมดูลการประเมินผล: ประเมินผลกระทบของแบบจําลองยกระดับในข้อมูลทดสอบ

ทําตาม ผลกระทบเชิงสาเหตุของบทช่วยสอนการรักษา พยาบาล

การบํารุงรักษาเชิงทํานาย

ฝึกหลายแบบจําลองในข้อมูลในอดีตเพื่อคาดการณ์ความล้มเหลวทางกลเช่นอุณหภูมิและความเร็วในการหมุน จากนั้นกําหนดว่าแบบจําลองใดเหมาะสมที่สุดเพื่อคาดการณ์ความล้มเหลวในอนาคต

ทําตามบท ช่วยสอนการบํารุงรักษา เชิงทํานาย

การคาดการณ์ยอดขาย

คาดการณ์ยอดขายในอนาคตสําหรับหมวดหมู่ผลิตภัณฑ์ซูเปอร์สโตร์ ฝึกแบบจําลองเกี่ยวกับข้อมูลในอดีตให้ทําเช่นนั้น

ทําตามใน บทช่วยสอนการคาดการณ์ ยอดขาย

เนื้อหาที่เกี่ยวข้อง