ขั้นตอนสร้าง Machine Learning ด้วย AzureML

บทที่ 3 เป็นขั้นตอนการสร้างแล้วครับ ตอนนี้เรามาดูหัวข้อหลักของการสร้างให้เห็นภาพรวมกันก่อนที่จะลงในรายละเอียด ขั้นตอนสร้าง Machine Learning  ด้วย AzureML Get the data คือการนำข้อมูลเราเรามาเข้าหน้า Experiments ทั้งชุดข้อมูลจากเครื่องของเราเอง ชุดข้อมูลจากแหล่งข้อมูลต่าง ๆ หรือแม้กระทั้งชุดข้อมูลเล็กที่เราสามารถสร้างเองได้จาก Module ที่มี Prepare the data คือการเตรียมข้อมูลให้อยู่ในรูปที่พร้อมจะนำไปวิเคราะห์ต่อได้ ทั้งการจัดการกับ Missing data การจัดการกับคอลัมน์ แถว การจัดการกับชนิดของข้อมูล แยกข้อมูลเพื่อเรียนรู้และทดสอบ เป็นต้น Built-in ML Algorithms คือกระบวนการที่เราสามารถเลือกโมเดลที่เราต้องการหรือโมเดลที่เหมาะสมกับชุดข้อมูลของเราเพื่อนำชุดข้อมูลของเรามา Train โดยโมเดลที่เราเลือก Train and Evaluate the model คือกระบวนการที่เรานำชุดข้อมูลของเรามา Train โดยโมเดลที่เราเลือกจากนั้นเราจะนำโมเดลที่เราได้มาทดสอบประสิทธิภาพของโมเดลของเรา โดยการสร้างโมเดลของเราในหน้า Experiments จะมีหน้าตาดังนี้ Fusion ให้บริการวิเคราห์และออกแบบระบบ Machine Learning ด้วยเครื่องมือ ของMicrosoft…

Getting to know the experiment

บทที่ 2 ในชุด Intro ML ครับ ตอนนี้เรามาเรียกรู้คำว่า Experiment ( การทดลอง ) ในการทำงานของ Machine Learning กับครับว่าเราเอามาใช้ทำอะไร ก่อนที่เราจะทำความรู้จักกับหน้าตาของ Experiment ที่เราต้องใช้ในการสร้างโมเดลของเรานะคะ เราต้องสร้าง Experiment ของเราขึ้นมาก่อน ซึ่งสามารถทำได้ง่ายๆ ดังนี้ กดที่ NEW บริเวณแถบด้านล่างของหน้า Azure ML กดที่ Experiment จากนั้นกดที่ Blank Experiment เมื่อทำการสร้าง Experiment ใหม่ของเราเรียบร้อยแล้วเราจะได้หน้าตาของ workspace ใหม่ที่เราสร้างโมเดลได้ดังนี้ และเราสามารถเปลี่ยนชื่อ Experiment ของเราได้เลย โดย workspace สามารถแบ่งได้เป็น 3 ส่วนดังนี้ Module มี Module ทั้งหมดให้เราเลือกใช้งานครอบคลุมทั้งการนำข้าข้อมูล, การจัดการกับข้อมูล anomaly detection, classification, regression,…