Posted on August 28, 2013 at 10:00 PM
Azure Machine Learning 入門實務人材培訓班 物聯網真正要智慧化,必須仰賴以「機器學習」為主的分析 |
物聯網的應用非常的廣泛,只要物體可以透過感應器 (Sensor) 收集監測到的訊號或資訊,提供到裝置管理平台再連結到應用程式處理後,反饋出特定的決策再指示原始物件做進一步動作的領域都是可能的應用場域,這些智慧或智能的核心都倚賴以機器學習為主的預測分析 (Predictive analytics)。
資料分析的議題除了以機器學習為核心外,還有資料超載與新的因素加入時系統如何快速回應等問題。試想,物聯網中的連網的裝置無時無刻都在收集資料,時間久了自然會造成資料超載問題,僅僅依靠人力必然無法進行即時的分析和利用。
好的物聯網平台層都應該提供具備機器學習功能的數據分析系統,幫助連結到這個物聯網平台的各種物聯網應用方案能夠分析感應器資料,尋找相關性,並做出最佳回應。(from:techorage)Azure 機器學習不僅提供可建立預測性分析模型的工具,也提供完全受管理的服務,您可以透過這項服務將預測性模型部署為可供取用的 Web 服務。Azure MachineLearning 提供可在雲端上建立完整預測性分析解決方案的工具:您可以快速地建立、測試、操作及管理預測模型。您不需要購買任何硬體,或手動管理虛擬機器。在本課程中,我們將會介紹如何運用 Azure Machine Learning 搭配 Azure 雲端數據源,以及建構預測模型,並且將模型發布為 Web Services 與應用程式相互整合。
以實務 Azure ML 視覺化分析工具,給合 Azure 雲端為主,讓學生可以真正操作機器學習預測模型的建置。從零開始培訓真正預測科學家人材。第一天先學習基本統計概論,才能了解你所建置的預測模型,預測結果所代表的意義及選擇適合的演算法來建置預測模型;第二~ 四天真正操作 Azure ML 預測分析,擷取雲端上或 Open data 資料庫的不同來源,進過整理,轉化及分析大數據資料後,藉由預測模型的建置,來呈現模型預測的結果。 第五天,結合目前最流行的 Ubike 租車預測,進行主題討論,讓學生可以更了解機器學習的相關應用。最後,課程配合相關的國際認證,來評估及提升學生專業能力及競爭力。 |
《第一天》
《第二~四天》(三天課程):
1. Microsoft Azure 介紹 ( 以學術及商業常用功能為主):
2. 機器學習概論及目前應用:
3. 資料取得的常見問題:資料擷取 / 整理
4. 外部資料取得及匯入:
a. Web/Open data (JSON 格式)
b. 資料擷取 / 整理實務:
5. AzureML 實務 (Hands On 2):開始使用 Azure ML
6. AzureML 實務 (Hands On 3):建立第一個實驗
7. AzureML 實務 (Hands On 4):客制化UI 設計
8. AzureML 實務 (Hands On 5):Regression analytics 回歸分析
《第五天》
有任何問題歡迎來信或致電,我們將請專人回覆您!