28、人工智能与机器学习在Azure中的应用实践

人工智能与机器学习在Azure中的应用实践

1. AI与ML的概述及关系

AI（人工智能）和ML（机器学习）协同工作的一个例子是设置购买牛奶的提醒。如果AI通过ML数据模型进行训练，智能助手会知道你可能在杂货店购买牛奶，所以当你去五金店时，它不会提醒你买牛奶。ML数据模型还能帮助AI理解你更可能在下午5点而不是凌晨5点被提醒，因此不会在凌晨5点叫醒你提醒买牛奶。若智能手机检测到你下午5点上车并开车离开工作地点，ML会生成数据模型预测你在开车回家，此时AI提醒你买牛奶是合适的。

这些简单却强大的例子展示了ML如何用于改进AI。通过提供一组数据点，由ML进行处理来训练AI，从而提高其准确性或决策能力。

2. 面向数据科学家的Azure ML工具

2.1 Google Maps的数据处理与ML应用

Google Maps服务每天从用户那里接收多个记录通勤细节的数据点。这些数据可以与通勤期间的天气预报和实时天气一起进行准备和处理。ML算法可以应用于这些大型数据集并生成数据模型。当一小部分活跃司机将他们当前的出行条件或天气数据输入到Google Maps服务时，数据模型可以用于预测通勤情况，并向他们的智能手机发送交通警报，建议替代回家路线。

2.2 Azure Machine Learning

Azure Machine Learning是一个基于Web的服务，允许你通过添加数据集和分析模型直观地构建实验。这些实验可以使用Hadoop和SQL等数据源，并为R和Python等语言提供额外的编程支持。你可以拖放数据源、数据准备技术和ML算法，调整这些算法，然后审查和调整生成的数据模型。