蔡孟儒 (Raymond)

台灣微軟開發體驗暨平台推廣事業部

資深協理

我們都被時代推著向前

58%of new IT investments

will directly involve

business executives

in 2013

80%of new IT investments

will directly involve

business executives

by 2016

70%of CIOs will

embrace a cloudfirst strategy

in 2016

Businesses must employ a connected

strategy—across mobile, social, cloud,

and information—to remain competitivemobile

social cloud

information

#1 tech priorityfor both IT execs and

BDMs: “Improve

the use of

and analytics

to improve business decisions

and outcomes”

Data

Internet of things“Smart” assets will

make processes

more efficient, give

products new capabilities, and

spark novel business models

Mobile devices:

new primary design

point for end-user

accessApps

85% of CxOsview IT department as key

resource for achieving strategic

goals

資料等同於企業的現金

即時分析任何形式的資料

連結跨公司的資料, 連結全世界的資料

Predicting future performance from historical data

Predictive analytics should address the likelihood of something happening in the future, even if it is just an instant later…

Source: 台大資工林軒田教授

為何「機器學習」最近愈來愈紅?

• 早期要實作「機器學習」進行實務應用相當昂貴:

– 需要高階的硬體設備及複雜的軟體環境，

– 需要深諳統計學、人工智慧等的資料科學家團隊，

– 隨之而來的管理及作業成本。

• 但隨著:

– 公有雲服務 (如 Azure) 讓計算機運算以及儲存成本大幅降低、

– 科學家們持續發展出強固的各種演算法

– Azure ML 等易用工具的產生，將使用成本、學習成本及管理成本一併大幅下降。

7

Machine Learning 與其他資料分析有什麼不同?

Analytics Spectrum 光譜: (愈往右，複雜性愈高!)• Descriptive (描述的) “What happened?”: 增加對資料的了解程度。

• Diagnostic (診斷的) “Why did it happen?”: 通常用來找出事情發生或出錯的原因。

• Predictive (預測的)：“What will happen?”: 也就是預測未來可能發生什麼事。Machine Learning (包含迴歸分析及類神經網路) 即是其中重要的分析方式。

• Prescriptive (規範的)：“What should I do?”: 也就是不但要預測未來，還要知道若作出某決策後的結果。

8

• 非資料科學家也能輕鬆使用• 提供現成的資料操作以及學習演算法模組

• 仍可自行撰寫 Python/R script

• 透過瀏覽器即可操作，方便多人團隊合作

• 運用 Microsoft Azure 的基礎建設處理巨量資料• 已由 XBOX Live、Microsoft Research 及 Bing 驗證

• 結合 Azure HDInsight (Hadoop) 整合

• 直接發佈成 Web service

Azure Machine Learning

https://studio.azureml.net/

Demo如果搭上了鐵達尼號，有機會生還嗎?

使用 Azure ML 訓練預測模型

12

單純由人眼來判斷當然是不準確的，故我們可以計算 ROC 曲線下方的面積，並以 AUC 來表示 (此例中 AUC = 0.830)。

• 支援 R & Python語言

演算法 Microsoft Research

公有雲基礎建設

微軟運用 Big Data + Machine Learning

Azure 機器學習– 用手中的資料賺錢

多源的

資料流

新一代的

分析工具

更多的使

用對象速度 創造營收

• 結構化資料• 非結構化資料• 持續產生的資料

• Machine

Learning

• BI

• 任何人 • 即時 • 4 年內預估 1.6

兆美金由資料創造的新營收

資料價值公式: