С развитием технологий анализа данных машинное обучение становится тенденцией в наши дни. То, как современные системы способны имитировать человеческое мышление, быстро превышает человеческие возможности во многих областях, и у нас есть наглядные примеры таких игр, как шахматы, распознавание лиц и эмоций на изображениях или… ML — непростая тема, и в большинстве случаев самое сложное — это знать, с чего начать.

Цель этой серии лабораторных работ – помочь вам создать очень простой эксперимент по прогнозированию машинного обучения с помощью Azure ML Studio. Сценарий может быть следующим: вы готовитесь к следующему сезону вашей NBA Fantasy League и хотите предсказать рейтинг эффективности игрока для каждого игрока, поэтому вы есть некоторые идеи, чтобы выбрать лучших игроков для вашей команды.

Эта серия состоит из 7 глав, первые шесть охватывают весь процесс создания эксперимента по машинному обучению и являются обязательной частью, а последняя является бонусным треком, чтобы вы могли понять различные способы взаимодействия с результатами эксперимента после его завершения.

Цели

После выполнения этой лабораторной работы вы должны уметь:

  1. Понимать основы машинного обучения, принципы статистики и анализа данных.
  2. Узнайте, как применить эти концепции в реальных условиях, используя всю мощь Azure Machine Learning Studio с нуля.
  3. Используйте результаты наших экспериментов с машинным обучением инновационными способами с помощью визуализаций Power BI и диалоговых ботов.

Предпосылки

  • Любая подписка Microsoft Azure
  • Базовые знания SQL-запросов

Подготовка нашего рабочего пространства

После настройки подписки Azure нам также необходимо создать рабочую область Azure ML и войти в инструмент. Начнем с создания рабочей области машинного обучения на портале Azure:

Выберите имя рабочей области, расположение, используемую учетную запись хранения и уровень плана обслуживания для развертывания экспериментальной веб-службы после ее создания:

Теперь вы можете найти 3 ресурса в группе ресурсов, в которой были созданы:

Просматривая первую, которая является рабочей областью машинного обучения, нажмите «Запустить студию машинного обучения» и «Войти»:

Это первое представление онлайн-инструмента Azure ML, пустой список экспериментов. Обратите внимание, что регион, который вы выбрали в качестве местоположения для рабочей области, является началом URL-адреса, и вы также можете просматривать различные регионы или рабочие области на верхней панели:

В следующей главе мы настроим наши наборы данных и первые модули нашего обучающего эксперимента по машинному обучению, используя структуру проекта, чтобы собрать все наши ресурсы в одном месте.

Быть в курсе! #gkout

Горка Мадариага (@Gk_8)

Первоначально опубликовано на испанском языке в блоге MSDN Spain 20 июня 2017 г.