1 of 57

台北科技大學，經管系，陳擎文�

Azure ML機器學習

2 of 57

常見簡寫，代表的意思

  • ml：
    • machine learning
    • 機器學習
  • Mls：
    • machine learning studio
    • 機器學習工作室
  • Aml：
    • azure machine learning
    • 天空藍機器學習

​

​

3 of 57

Azure ML機器學習

  • 特色：
    • 免費
    • 拖拉式界面
    • 簡單開發應用

4 of 57

兩種開發AI專案的工具

  • Python開發AI Azure開發AI

5 of 57

申請免費帳號

  • 申請免費帳號與免費額度：
  • Azure Portal 網址 : https://portal.azure.com/
    • 請輸入學校的微軟帳號：
    • 登入帳號：(員工編號或學號)@cc.ntut.edu.tw�登入密碼：(同校園入口網站)
  • 只要完成Microsoft帳號的開啟，不需要開啟訂閱功能，Azure Machine learning是其中一項免費服務，同學可以免費使用 Azure 機器學習工作室的操作，無需支付任何費用。

6 of 57

比較：Azue 與 Azure ML

​

1.Azure：微軟雲端服務

2.Azure ML：機器學習平台

7 of 57

使用Azurey雲端的其中一項服務：�Azure ML

8 of 57

9 of 57

使用Azue 或 Azure ML前，要先『啟動試用帳號』

​

換言之，商業版Azure是要收錢的

10 of 57

回到Azure首頁

11 of 57

回到Azure首頁

12 of 57

13 of 57

申請Azure雲端服務�可以試用1年

14 of 57

比較：Azue 與 Azure ML

  • 1.Azure：微軟雲端服務
    • 提供20多種雲端服務
    • 包括：架站，提供SQL資料庫，VM虛擬主機…..
    • 免費試用1年
  • 2.Azure ML：機器學習平台
    • 永久免費使用

​

15 of 57

不是學生，如何申請Azure帳號

  • 1.Azure：微軟雲端服務
    • 雖然免費試用1年，但註冊時還要輸入信用卡…稍微麻煩
    • 試用的，不會真的扣錢
    • 申請方法與步驟：

​

​

​

16 of 57

登入Azure ML平台

操作介面

17 of 57

平台操作介面

  • 觀念：Azure ML有『新版，舊版』的差別：
  • (1).舊版：Azure ML Studio(Classic)
    • 舊版登入網址 : https://studio.azureml.net/
    • 只提供支援，到2024/8月
    • 坊間的AzureML教學，都是舊版的
  • (2).新版: Azure ML
    • 新版網址：https://azure.microsoft.com/zh-tw/free/
    • 或是由Azure雲端官網登入，選擇服務：Azure ML
  • 平台登入建議使用Google Chrome, Microsoft Edge 瀏覽器。
  • 若使用其他瀏覽器IE、firefox、Safari 可能會遇到顯示不出頁面與老師相同的頁面，請先切換為建議瀏覽器，試試看功能是否能正常顯示。

18 of 57

登入舊版Azure ML Studio平台

19 of 57

登入舊版Azure ML Studio

  • (1).舊版：Azure ML Studio(Classic)
    • 舊版登入網址 : https://studio.azureml.net/
    • 不用登入『Azure雲端』
    • 坊間的AzureML教學，都是舊版的
    • 觀念：舊版 Azure ML Studio，對外宣稱是永久免費的：

​

    • 但是，2023年7月宣布：2024/8月即將截止
    • 合併到『Azure雲端』裡

​

​

​

20 of 57

登入舊版Azure ML Studio�experiment：sample6

​

​

​

21 of 57

Run

22 of 57

登入新版Azure ML 平台

23 of 57

登入新版Azure ML 平台

  • (2).新版: Azure ML
    • 新版網址：https://azure.microsoft.com/zh-tw/free/
    • 或是由『Azure雲端』官網登入，選擇服務：Azure ML

​

​

​

24 of 57

25 of 57

選擇『Azure ML』

26 of 57

27 of 57

Azure ML可以處理的問題種類

28 of 57

Azure ML可以處理的問題種類

  • 迴歸問題
  • 分類問題
  • 分群問題
  • 推薦問題

29 of 57

資料科學分析

開發的流程

30 of 57

資料科學分析開發的流程

31 of 57

資料科學分析開發的流程

32 of 57

傳統『靜態，診斷型』

資料分析

vs

『進階型，預測型』

資料分析

33 of 57

預測型資料分析：較困難，較有價值

34 of 57

預測型資料分析：較困難，較有價值

  • 為什麼『預測型資料分析較有價值』
  • 例如：預測下週銷量
    • 1.除了預測數值外，
    • 2.還能夠看出『影響銷量，最高權重的因子』是哪一個

35 of 57

機器學習的簡易2步驟：

�先學習learning

再預測predict

36 of 57

機器學習2步驟：�先學習learning，再預測predict

37 of 57

輸入數據有2個專有名詞

​

1.特徵值，feature

2.標籤，label

38 of 57

y=f(x)�訓練資料裡面的『x欄位=特徵值feature』�『y欄位 = 標籤Lable』

39 of 57

輸入數據有2個專有名詞

  • 1.特徵值，feature
    • 就是『輸入變數：x』

​

  • 2.標籤，label
    • 就是『目標變數：y』
    • y = f(x)

​

​

40 of 57

全部的數據要分割成『2個資料集』

​

1.訓練資料，train

2.測試資料，test

41 of 57

全部的數據要分割成『2個資料集』

  • 為什麼要分割成『train，test』
    • 先用『train資料集』來訓練你的model
    • 再用『test資料集』來檢驗你的model，有沒有『過度學習overfitting』？

​

42 of 57

有沒有『過度學習overfitting』？

43 of 57

四種機器學習

要解決的問題

44 of 57

四種機器學習要解決的問題

  • 第1種：分類問題classfication
    • 例如：客戶流失分析，
    • 預測A客戶『會流失』，『不會流失』

​

45 of 57

四種機器學習要解決的問題

  • 第2種：迴歸問題regression
    • 針對：目標y為『數值的預測』
    • 例如：預測『房價，預測黃金，預測股價…』

46 of 57

四種機器學習要解決的問題

  • 第3種：檢測異常分析abnormaly detction
    • 例如：檢查有沒有突然竄高的異常值，

​

47 of 57

四種機器學習要解決的問題

  • 第4種：分群分析clustering
    • 例如：根據客戶資料集，把客戶分群
    • 喜好運動的，喜歡音樂的，喜歡看電影的
    • 根據『客戶分群』，可以做『定點行銷』

​

48 of 57

機器學習的計算流程

49 of 57

50 of 57

資料科學分析開發的流程

51 of 57

資料科學分析開發的流程

52 of 57

登入舊版Azure ML Studio平台，新增一個experiment

53 of 57

登入舊版Azure ML Studio

  • (1).舊版登入網址，不用登入『Azure雲端』
    • https://studio.azureml.net/
  • (2).新增一個experiment
    • 命名：AML-1-1

​

​

54 of 57

修改專案名稱：AML-1-1-收入分類

55 of 57

讀入一個資料集dataset：�成人收入資料集

  • (3).載入『第1個資料集dataset：Adult Census

​

​

56 of 57

視覺化瀏覽資料集dataset

  • (4).點選：visualize

​

​

57 of 57

視覺化瀏覽資料集dataset

  • 成人收入資料集：3.25萬筆，15欄位

​

​