了解机器学习

  • 4 分钟

机器学习是大部分 AI 解决方案的基础。 自 20 世纪 50 年代以来，研究人员（通常称为数据科学家）一直在研究不同的 AI 方法。 大多数现代 AI 应用程序都起源于机器学习，这是一个结合了计算机科学和数学的 AI 分支。

首先，让我们看看使用机器学习来解决难题的现实示例。

在保护脆弱的环境的同时最大程度提高粮食产量方面，可持续农耕技术至关重要。 The Yield 是一家设在澳大利亚的农业技术公司，该公司使用传感器、数据和机器学习来帮助农民做出与天气、土壤和农作物情况相关的明智决策。

观看以下视频了解详情。

机器学习的工作方式

那么机器如何学习？

答案是从数据中学习。 在当今世界，我们在日常生活中会创建大量数据。 从我们发送的短信、电子邮件和社交媒体帖子，到我们用手机拍摄的照片和视频，我们产生了大量信息。 我们的房屋、汽车、城市、公共交通基础设施和工厂中的数百万个传感器也在创建更多数据。

数据科学家可使用所有这些数据来训练机器学习模型，这些模型可以根据它们在数据中找到的关系进行预测和推断。

机器学习模型尝试捕获数据之间的关系。 例如，假设一个环境保护组织需要志愿者使用手机应用来对不同种类的野花进行识别和分类。 以下动画展示了如何使用机器学习来实现此方案。

An animation of the steps of machine learning.

  1. 一个由植物学家和科学家组成的团队收集有关野花样本的数据。
  2. 团队给样本标上正确的物种种类。
  3. 使用算法对标记的数据进行处理，该算法可以找出样本特征与标记的物种之间的关系。
  4. 该算法的结果内嵌在模型中。
  5. 志愿者发现新样本后，该模型可以正确识别物种标记。

AI 方法已经发展到可以完成复杂得多的任务。 这些复杂的模型构成了 AI 功能的基础。

Microsoft Azure 中的机器学习

Microsoft Azure 提供 Azure 机器学习服务，这是一个基于云的平台，可用于创建、管理和发布机器学习模型。 Azure 机器学习工作室提供了多种创作体验，例如：

  • 自动化机器学习：此特性使非专业人员可以根据数据快速创建有效的机器学习模型。
  • Azure 机器学习设计器：这是一种图形界面，支持无代码开发机器学习解决方案。
  • 数据指标可视化：使用可视化分析和优化试验。
  • 笔记本：在直接集成到工作室中的托管 Jupyter Notebook 服务器中编写和运行自己的代码。