机器学习使软件更聪明、更有意识。它正变得像互联网本身一样，成为我们集体计算经验的组成部分。但是开发人员如何真正开始使用它呢?第一步是什么?微软的目标是通过其Azure机器学习服务让这一飞跃变得更容易一些。
机器学习是如何工作的一个简要概述
计算机科学家创造了一种能够处理大量数据的软件。机器学习源于能够自我训练——换句话说，从这些海量数据中学习——并做出预测的算法的创造。
机器学习真正的亮点在于变量分析:人类大脑在试图对某个问题做出决定或形成结论时，只能同时有意识地考虑几个变量。然而，软件能够比人类做同样的决定考虑更多的变量，根据理论，这几乎总是会导致一个更好、更高质量的决定——无需担心所谓的“分析瘫痪”，因为你的大脑无法处理所有不同的变量，所以你无法有意识地做出决定或匆忙得出结论。
在这个数据量每18个月就翻一番的时代，机器学习可以消耗所有这些数据，并积极利用它们来解决业务问题。
机器学习是指计算机和软件在不需要明确编程的情况下，利用从经验中获得的洞见，随着时间的推移，无论它们的目标是什么，它们都会变得更好。微软将机器学习环境中的“经验”定义为通过应用程序处理的过去数据，加上人为的输入，以指导、纠正和轻轻地推动程序更接近其目标。通过软件的数据越多，科学家给软件输入的数据越多，软件产生的结果就越好。
[相关:机器学习如何吞噬微软]
有哪些机器学习的例子?你可以追溯到上世纪90年代末，当时贝叶斯垃圾邮件过滤被引入，以解决日益严重的不请自来的商业电子邮件问题。其他更近期、更常见的机器学习例子包括:
- 谷歌声称使用机器学习有助于保持99.9%的垃圾邮件从Gmail用户的收件箱。
- 地图和导航服务可以回答“回家的最佳路线是什么?”“要记住交通数据、道路施工情况、天气状况以及发出请求的时间(或请求的时间)。
- Skype翻译，一项服务，自然地从一种语言翻译到另一种语言的实时，而对话正在发生。
- Facebook的“你可能认识的人”功能，通过查看你的人际关系和其他人的资料数据和活动，找到你在社交网络上可能还没有联系的朋友。
- 评估一个网页文本的上下文来决定哪些广告来显示和代价是什么广告每次点击或印象的上下文敏感页面上的广告应该是值得的,特别是当整个广告活动的目的不同(从销售产品交付标志ups或选择ins通讯等等)。
- 自动驾驶汽车。Chris Urmon——谷歌无人驾驶汽车项目的负责人——最近在TED上做了一个关于无人驾驶汽车如何看待道路这表明，除其他外，这些车辆需要处理大量的数据，以便自主决定下一步要做什么。
在过去十年中，所有这些技术都已经成熟，这证明了机器学习是如何发展的。现在的不同之处在于产生的数据量，不仅是由人类及其活动产生的，还包括所有连接到网络并产生日志和观察结果的机器和传感器。所有这些来自不同来源的数据都可以被组合起来，用于产生洞察力，并比以往更快、更好地做出决策。
[相关:“终结者”技术(几乎)就在这里]
虽然微软一直是大用户和灌肠器机器学习一段时间,机器学习Azure服务的规模和实力的一个全球最大的云平台运营商在一个易于使用的包,需要几分钟和开始使用信用卡。
现成的机器学习
微软Azure机器学习提供一站式服务，旨在让你快速、轻松地开始基于云的机器学习。它从Azure门户开始——你的运维团队在这里创建Azure虚拟机，配置存储选项，并提供虚拟网络，将所有东西连接在一起——在这里你可以创建机器学习工作室(ML Studio)工作区和专用存储帐户。
这是Azure服务租户中的“分区”，所有机器学习软件都驻留其中。门户中你也可以监督机器学习Azure服务的消费跟踪费用,接收提醒准备发表一个模型时,和部署模型与ML API服务作为web服务模型可以集成到您的现有应用程序非常容易。
您的数据科学家将把大部分时间花在ML Studio体验上。这是一种友好的拖放式体验，而不是空白的命令行，也不是邀请你阅读900页的手册。你可以在ML Studio中执行数据科学工作流中的每一步，包括访问和准备数据;创建、测试和培训模型;将您公司现有的专有模型安全地导入到私有工作区中;和更多。
ML studio支持R统计分析语言，包括使用原始R以及300多个最流行的R包的能力，此外，微软包含几个现成的算法,与r .你工作可以与同事协作互联网连接来使用“分享我的工作区”功能,并完成模型可以在几分钟内准备好消费和使用而不必设置和阶段整个BI或数据环境。
ML工作室中的模型可以使用的数据可以来自多种来源:
- 模型可以访问Azure中已经存在的数据。
- 模型可以在HDInsight中跨大数据进行查询。
- 模型可以直接从数据科学家的桌面上提取数据集。
一旦数据科学家准备好发布，测试模型就可以通过API服务提供给开发人员了。企业用户可以在任何地方、任何设备上访问结果。任何模型更新都只是简单地刷新生产中的模型，而不需要新的开发工作。它本质上是机器学习即服务(MLaaS?)
Azure机器学习已经被许多公司使用，他们以以下方式使用这项服务:
- 遥测数据分析
- 买家倾向模型
- 社会网络分析
- 预见性维护
- Web应用程序优化
- 生产分析
- 自然资源勘探
- 天气预报
- 预测医疗成果
- 金融欺诈检测
- 生命科学研究
- 有针对性的广告
- 网络入侵检测
- 智能电表的监控
关于机器学习的最后一句话
微软Azure机器学习的目标是让你更容易地开始使用你已经拥有的数据和你已经雇佣的员工——只要启动一个Azure订阅，建立一个工作空间，并开始在ML Studio中播放。微软提供了大量的附加技术文档和30天的免费试用。您还可以浏览ML Studio图库，找到关于如何获取样本数据、运行实验等的五分钟教育教程。
这篇题为“微软的Azure能把机器学习带给大众吗?”的文章最初发表于首席信息官 ．