機(jī)器學(xué)習(xí)是大部分 AI 解決方案的基礎(chǔ)。

首先，讓我們看看使用機(jī)器學(xué)習(xí)來(lái)解決難題的現(xiàn)實(shí)示例。

在保護(hù)脆弱的環(huán)境的同時(shí)最大程度提高糧食產(chǎn)量方面，可持續(xù)農(nóng)耕技術(shù)至關(guān)重要。 The Yield 是一家設(shè)在澳大利亞的農(nóng)業(yè)技術(shù)公司，該公司使用傳感器、數(shù)據(jù)和機(jī)器學(xué)習(xí)來(lái)幫助農(nóng)民做出與天氣、土壤和農(nóng)作物情況相關(guān)的明智決策。

觀看以下視頻了解詳情。

機(jī)器學(xué)習(xí)的工作方式

那么機(jī)器如何學(xué)習(xí)？

答案是從數(shù)據(jù)中學(xué)習(xí)。 在當(dāng)今世界，我們?cè)谌粘Ｉ钪袝?huì)創(chuàng)建大量數(shù)據(jù)。 從我們發(fā)送的短信、電子郵件和社交媒體帖子，到我們用手機(jī)拍攝的照片和視頻，我們產(chǎn)生了大量信息。 我們的房屋、汽車(chē)、城市、公共交通基礎(chǔ)設(shè)施和工廠中的數(shù)百萬(wàn)個(gè)傳感器也在創(chuàng)建更多數(shù)據(jù)。

數(shù)據(jù)科學(xué)家可使用所有這些數(shù)據(jù)來(lái)訓(xùn)練機(jī)器學(xué)習(xí)模型，這些模型可以根據(jù)它們?cè)跀?shù)據(jù)中找到的關(guān)系進(jìn)行預(yù)測(cè)和推斷。

例如，假設(shè)一個(gè)環(huán)境保護(hù)組織需要志愿者使用手機(jī)應(yīng)用來(lái)對(duì)不同種類(lèi)的野花進(jìn)行識(shí)別和分類(lèi)。 以下動(dòng)畫(huà)展示了如何使用機(jī)器學(xué)習(xí)來(lái)實(shí)現(xiàn)此方案。

1.一個(gè)由植物學(xué)家和科學(xué)家組成的團(tuán)隊(duì)收集有關(guān)野花樣本的數(shù)據(jù)。

2.團(tuán)隊(duì)給樣本標(biāo)上正確的物種種類(lèi)。

3.使用算法對(duì)標(biāo)記的數(shù)據(jù)進(jìn)行處理，該算法可以找出樣本特征與標(biāo)記的物種之間的關(guān)系。

4.該算法的結(jié)果內(nèi)嵌在模型中。

5.志愿者發(fā)現(xiàn)新樣本后，該模型可以正確識(shí)別物種標(biāo)記。

Microsoft Azure 中的機(jī)器學(xué)習(xí)

Microsoft Azure 提供 Azure 機(jī)器學(xué)習(xí)服務(wù)，這是一個(gè)基于云的平臺(tái)，可用于創(chuàng)建、管理和發(fā)布機(jī)器學(xué)習(xí)模型。 Azure 機(jī)器學(xué)習(xí)提供以下特性和功能：

特性功能

自動(dòng)化機(jī)器學(xué)習(xí)：此特性使非專(zhuān)業(yè)人員可以根據(jù)數(shù)據(jù)快速創(chuàng)建有效的機(jī)器學(xué)習(xí)模型。

Azure 機(jī)器學(xué)習(xí)設(shè)計(jì)器：一個(gè)支持無(wú)代碼開(kāi)發(fā)機(jī)器學(xué)習(xí)解決方案的圖形界面。

數(shù)據(jù)和計(jì)算管理：基于云的數(shù)據(jù)存儲(chǔ)和計(jì)算資源，可供專(zhuān)業(yè)數(shù)據(jù)科學(xué)家用來(lái)大規(guī)模運(yùn)行數(shù)據(jù)試驗(yàn)代碼。

管道數(shù)據(jù)：科學(xué)家、軟件工程師和 IT 運(yùn)營(yíng)專(zhuān)業(yè)人員可以定義管道來(lái)編排模型訓(xùn)練、部署和管理任務(wù)。