מכונות לומדות / הרצאה של יובל מזור, מיקרוסופט

By | 7 ביוני 2016

Machine Learning

הרצאה של יובל מזור ממיקרוסופט.

מהו למעשה מכונות לומדות או לימוד מכונות

יכולת של מחשבים (מכונות) ללמוד דברים חדשים בלי להיות מתוכנתים באופן מפורש.

 

מה זה Data science

שיטות ותהליכים שמטרתם לגבש מסקנות מתוך נתונים. למעשה הגדרה דומה מאד להגדרת בינה עסקית. בפועל מדע הנתונים יותר מודל סטטיסטי מאשר מודל להצגת נתונים והנגשת נתונים כמו בינה עסקית.

הכלים שיש לנו כדי לשלב לימוד על ידי מכונה בסביבת הבינה העסקית הקיימת

פייטון – שפת תכנות קוד פתוח אשר משמשת לכל דבר.

R – שפת תכנות בקוד פתוח המשמשת ליישומים סטטיסטיים.

SQL 2016 מכיל תמיכה מלאה בשפת R. כלומר, ניתן לכתוב קוד R בתוך בסיס הנתונים וכך בסיס הנתונים הופך מכלי לשמירה ואחזור של נתונים לכלי שגם יודע לנתח את הנתונים.

מקורות מידע כדי להתחיל "ללמד מכונה" – נניח שיש לי נתונים בארגון ואני רוצה לנצל אותו טוב יותר להסקת מסקנות.

דוגמאות לשאלות שאפשר לקבל עליהן תשובות על באמצעות מערכות למידת מכונה: 

  • על בסיס ניתוח כניסת הבאגים הקיימת, כמה באגים צפויים עד יציאת הגרסה הבאה.
  • האם ישנם זמנים בהם התקלות מטופלות בצורה אטית יותר.

טכנולוגיה – Azure Machine Learning

מערכת ניתוח הנתונים של מיקרסופט הנמצאת בסביבת הענן של מיקרוסופט – Azure

אפשר למשל לייצר מודל חיזוי לכמות באגים עתידית על בסיס כמות באגים בהיסטוריה. את המודל שיצרנו במערכת אפשר להסב ל- Web service ולייצר לנו מכונת חישוב אשר מקבלת מספר יום ומחזירה את כמות הבאגים המצטרבת באותו יום סידורי.

 אם אנו רוצים  לבצע חיזוי אז אפשר כמובן להשתמש באלגוריתמים שונים:

א. קל מאד להחליף אלגוריתם ואז לבדוק על נתוני הביצוע, אם הם היו קרובים למה שהמערכת חזתה ואז לדרג את איכות החיזוי לצורך בדיקת האלגוריתם.

ב. המערכת כוללת סוג של אשף לבחירת אלגוריתם על בסיס מאפייני הנתונים.

Power BI יודע להתחבר למודל חיזוי ואז אפשר להציג לצד ההיסטוריה כמו ב- BI קלאסי, אפשר להציג גם תחזית לעתיד.

Share

כתיבת תגובה

האימייל לא יוצג באתר.