簡介

已完成

精心設計的機器學習解決方案形成了現今 AI 應用程式的基礎。 從預測性分析到個人化建議等等，機器學習解決方案透過使用現有資料來產生新見解，支持著現今社會的最新技術進步。

數據科學家會以不同方式做出解決機器學習問題的決定。 他們所做的決策會影響解決方案的成本、速度、質量和壽命。

在本課程模組中，您將了解如何使用可在企業事務中使用的 Microsoft Azure，設計端對端機器學習解決方案。 我們會使用下列六個步驟作為架構，探索如何規劃、訓練、部署及監視機器學習解決方案。

1. 定義問題：決定模型應該預測的內容，以及其成功的時間。
2. 取得資料：尋找資料來源並取得存取權。
3. 準備資料：探索資料。 根據模型的需求，清理和轉換資料。
4. 訓練模型：根據反覆試驗選擇演算法和超參數值。
5. 整合模型：將模型部署至端點以產生預測。
6. 監視模型：追蹤模型的效能。

附註

此圖表是機器學習流程的簡易表示法。 一般而言，此流程是反覆且連續的。 例如，監視模型時，您可能會決定返回並重新訓練模型。

接下來，讓我們看看如何藉由定義問題來開始使用機器學習解決方案。