บทนำ
โซลูชันการเรียนรู้ของเครื่องที่ได้รับการออกแบบมาอย่างรอบคอบเป็นรากฐานของแอปพลิเคชัน AI ในปัจจุบัน โซลูชันการเรียนรู้ของเครื่องสนับสนุนความก้าวหน้าทางเทคโนโลยีล่าสุดในสังคมโดยใช้ข้อมูลที่มีอยู่เพื่อสร้างข้อมูลเชิงลึกใหม่ ตั้งแต่การวิเคราะห์เชิงทํานายไปจนถึงคําแนะนําส่วนบุคคล
นักวิทยาศาสตร์ข้อมูลตัดสินใจที่จะจัดการกับปัญหาการเรียนรู้ของเครื่องในรูปแบบที่แตกต่างกัน การตัดสินใจเหล่านี้ส่งผลกระทบต่อต้นทุน ความเร็ว คุณภาพ และอายุของสารละลาย
ในโมดูลนี้ คุณจะได้เรียนรู้วิธีการออกแบบโซลูชันการเรียนรู้ของเครื่องแบบ end-to-end ด้วย Microsoft Azure ที่สามารถใช้ในการตั้งค่าองค์กรได้ การใช้หกขั้นตอนต่อไปนี้เป็นเฟรมเวิร์ก เราจะสํารวจวิธีการวางแผน ฝึก ปรับใช้ และตรวจสอบโซลูชันการเรียนรู้ของเครื่อง
- กําหนดปัญหา: ตัดสินใจว่าแบบจําลองควรคาดการณ์อะไรบ้างและเมื่อใดที่สําเร็จ
- รับข้อมูล: ค้นหาแหล่งข้อมูลและรับการเข้าถึง
- เตรียมข้อมูล: สํารวจข้อมูล ทําความสะอาดและแปลงข้อมูลตามความต้องการของแบบจําลอง
- ฝึกแบบจําลอง: เลือกอัลกอริทึมและค่า hyperparameter โดยยึดตามการทดลองใช้และข้อผิดพลาด
- รวมแบบจําลอง: ปรับใช้แบบจําลองไปยังจุดสิ้นสุดเพื่อสร้างการคาดการณ์
- ตรวจสอบแบบจําลอง: ติดตามประสิทธิภาพของแบบจําลอง
หมายเหตุ
แผนภาพนี้เป็นการแทนแบบง่ายของกระบวนการเรียนรู้ของเครื่อง โดยทั่วไปแล้ว กระบวนการเป็นแบบวนซ้ําและต่อเนื่อง ตัวอย่างเช่น เมื่อตรวจสอบแบบจําลอง คุณอาจตัดสินใจที่จะย้อนกลับและทดสอบการใช้งานแบบจําลองอีกครั้ง
ถัดไป มาดูกันว่าเราสามารถเริ่มต้นใช้งานโซลูชันการเรียนรู้ของเครื่องได้อย่างไรโดยการกําหนดปัญหา