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。
机器学习方式的简要概述
计算机科学家创建旨在使用大量数据的软件。机器学习从创建可以训练自己的算法 - 换句话说，从中学习 - 并对这些巨大的数据进行预测。
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，与人类做同样的决定相比，软件能够考虑更多的变量，根据理论，这几乎总是会导致一个更好的，更高质量的决策——无需担心所谓的“分析瘫痪”，即由于你的大脑无法处理所有不同的变量而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。
[有关的：机器学习如何吃微软］
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:
- 谷歌声称它使用机器学习有助于保持Gmail的99.9％的垃圾邮件用户的收件箱。
- 回答问题的映射和导航服务“什么是回家的最佳方式？”在思想交通数据，道路施工，天气条件以及日常时，请求的时间是什么时候（或者要求的日期）。
- Skype Translator，一个自然地从一种语言转换到另一语言的服务，而在发生对话时实时转换为另一语言。
- 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。
- 评估网页上的文本的上下文，以确定要显示的广告以及广告商的每次点击或印象的成本应该是值得的，特别是当广告活动的整体目标不同时（来自销售产品以提供注册或选择申请通讯等等）。
- 自驾车。克里斯Urmon - 谁领导谷歌的无人驾驶汽车计划 - 最近谈到了一个谈论的谈话无人驾驶的汽车如何看到道路除其他事物之外，这些车辆需要处理的数据量，以便对下一步做什么来实现自主决定。
证明机器学习如何进化，所有这些技术在过去十年中已经成熟。现在是什么不同的是生成的数据量，而不仅仅是由人类及其活动，而是通过插入并连接到网络的所有机器和传感器，产生日志和观察。所有这些不同源的所有这些数据都可以组合并用于生成见解，并比以往任何时候都更快更好地做出决策。
[有关的：“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
微软的天蓝色机器学习产品是一家一站式店铺，旨在让您快速，非常轻松地开始基于云的机器学习。它从Azure Portal开始 - 同样的操作团队旋转Azure虚拟机的位置，配置存储选项和规定虚拟网络将所有内容连接在一起 - 您可以在哪里创建一个机器学习工作室（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，并包括使用RAW R和最受欢迎的R包中的300多个功能，并且此外，Microsoft包括与R.相关的几种即用的算法可以使用“共享我的工作空间”功能与Internet连接的任何地方协作，并且完成的模型可以在分钟内准备好消耗，而不是必须设置和阶段整个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中的大数据上查询。
- 模型可以从数据科学家的桌面中提取数据集。
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?)
使用以下方式使用该服务的许多公司已经使用了蔚蓝的机器学习：
- 遥测数据分析
- 买方倾向模型
- 社会网络分析
- 预测维护
- Web应用程序优化
- 搅拌分析
- 自然资源探索
- 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
微软使用Azure Machine学习的目标是让您可以轻松地开始使用您已经拥有的数据以及您已经雇用的工作人员 - 刚刚开始Azure订阅，设置工作区并开始在ML Studio中播放。Microsoft提供了充分的额外技术文档和访问30天的免费试用。您还可以浏览ML Studio Gallery，查找有关如何获取样本数据，运行实验等的五分钟教育教程。
这个故事，“微软的天蓝色可以为群众带来机器学习吗？”最初是发表的CIO. ．