這是 2021/09/25 在 Study4 分享的投影片。從最基本的 Azure Machine Learning 的觀念講起，然後帶大家建立資料集、訓練模型、到部署模型。 並且利用等待訓練的時間，和大家分享 AI 專案的實戰經驗。

1. Azure Machine Learning 從頭學
Ko Ko, Microsoft AI MVP
2021/09/25 @STUDY4.TW

2. 自我介紹
大家可以叫我科科或是Ko Ko
Microsoft AI MVP
目前致力於製造業的AI導入
國內大型技術年會講者，包含 COSCUP、Modern Web、.NET CONF 等
https://www.linkedin.com/in/ko-ko-b12a3474/

4. 大綱
1、Azure Machine Learning 基本介紹
2、Live Demo：環境建置
3、Live Demo：資料與 Pipeline 建置
4、Live Demo：部署
5、AI 專案實戰經驗分享（利用等待的時間來講）

5. 微軟目前三個 AI 服務
ML.NET：
可在地端或雲端訓練客製化模型，強調與 .NET 應用程式的開發整合。
Azure Cognitive Services：
是雲端服務，提供預建立好的 AI 模型和 SDK，以供整合到應用程式，也有部份 train
model 功能（能調整的地方有限）。
Azure Machine Learning：
是雲端服務，是一個全面性的開發環境，以 Python 為主，也支援其他的語言，可以訓
練、部署、管理AI模型等。

6. Azure Machine Learning 新舊版差異
1、兩者都有 Azure Machine Learning Studio 的稱呼。
2、舊版會在後面加上 Classic 的註明。
3、舊版的2021年的12月1日起就不能再建立新的專案，並在2024年就會停止支援。
4、新版的功能更符合當代 MLOps 的觀念。

8. Azure Machine Learning 新舊版差異

9. 做 AI 程式碼雖然是核心，但只佔了一小部份
Holt, Gary & Golovin, Daniel & Davydov, Eugene
& Phillips, Todd & Ebner, Dietmar & Chaudhary,
Vinay & Young, Michael & Dennison, Dan. (2015).
Hidden Technical Debt in Machine Learning
Systems. NIPS. 2494–2502.

10. MLOps : 企業最終要大規模導入AI要走的路
https://ml-ops.org/content/mlops-principles

11. Azure Machine Learning 架構

12. LIVE DEMO TIME !!

13. Azure Machine Learning SDK
ws = Workspace.create(name='<Your Workspace Name>',
subscription_id='<Your Subscription ID>',
resource_group='<Resource group Name>',
create_resource_group=True,
location='<Nearest Azure region>')
ws.write_config(path="./config")
ws =
Workspace.from_config(path="./config")
az_store =
Datastore.register_azure_blob_container
(
workspace=ws,
datastore_name="blobname",
account_name="accountname",
container_name="containername",
account_key="key"
)

14. AI 專案實戰經驗分享（利用等待的時間來講）

15. 傳統寫程式
參考文獻、Book: AI and Machine Learning for
Coders
規則
資料
答案
今天一個人在移動，智慧手錶的程式要從他
移動的方式，判斷他是在走路、騎 腳踏車，
還是在游泳。

16. Machine Learning
答案
資料
規則
用資料和答案，來得到規則（ AI 模型），再把
沒有答案的資料給這個規則，而得到答案。
注意，有的時候是沒有答案的
參考文獻、Book: AI and Machine Learning for
Coders

17. 監督式學習和非監督式學習
https://www.google.com/url?sa=i&url=https%3A%2F%2Fwww.researchgate.net%2Ffigure%2FExamples
-of-Supervised-Learning-Linear-Regression-and-Unsupervised-Learning_fig3_336642133&psig=AOvVa
w0TUTBCp320XD7yyfzeW30V&ust=1618452711666000&source=images&cd=vfe&ved=0CAIQjRxqFwo
TCMj0pqrU_O8CFQAAAAAdAAAAABAD

18. 機器學習和統計學在目的上不同
統計要從樣本數量，去看全體。如選舉民調。
機器學習要從過去的樣本數，去處理新的資料，以解決問題。如從消費紀錄，預測這
個客人下次要買什麼。
兩者在方法上是可以相同的。

19. https://medium.com/
@harish_6956/what-i
s-machine-learning-d
eep-learning-778860
4004da

20. AI 能解決什麼問題？
https://books.cw.
com.tw/blog/artic
le/1285

21. Cufusion Matrix
Accuracy = ( TP + TN ) / 全部樣本數
Precision = TP / ( TP + FP )
Recall = TP / (TP + FN )
F1 Score (兩者權重一樣時)= 2 / (1/Precision + 1/Recall )
實際上是 True 實際上是 False
預測為 True TP FP
預測為 False FN TN

22. https://soshace.com/deep-learni
ng-vs-machine-learning-overvie
w-comparison/

23. Spurious correlation
指在兩個沒有因果關係的事件，可能基於其他未見的干擾因素，顯示出統計學上的相
關，讓人很容易猜想「兩個事件有所聯繫」，然而這種聯繫並不能通過更加精細的檢驗
，因此往往是沒有關係的兩件事。
「夏以妹喜，殷以妲己，周以褒姒，三代所由亡也。」 --- 杜預注《左傳》

24. https://www.vox.com/2014/5/13/5710874/the-best-illustra
tion-youll-see-that-correlation-doesnt-equal

25. DATA 的標註一開始就錯了
https://arxiv.org/
pdf/2103.14749.
pdf

26. DATA 本身就有爭議性
Google Brain 在2016年做視網膜病變時發生
同一張圖，有些醫生認為是病變，有些覺得沒有病變
同一張圖，有些醫生認為是重度病變，有些認為是輕度
https://www.aaojournal.org/action/s
howPdf?pii=S0161-6420%2817%2
932698-2

27. 產業AI化該如何做？
「人」是最大的挑戰
培養資料驅動的組織文化
找對問題
站在巨人肩膀上
善用現成的工具

28. 「人」是最大的挑戰
公司高層（老闆）沒有人工智慧的素養（AI專案會失敗的最大原因）
AI 相關的工程師好找但是素質不一
領域知識太深，而AI 人員缺乏正確的理解
IT 團隊不願與時俱進（應建置獨立的AI團隊）
SI 不好做（尤其牽涉到軟硬整合）

29. AI團隊該有的角色
1、有決策權和AI sense的高層（最重要）
2、資料科學家：從資料中找出問題，具分析和溝通的能力，了解整個AI專案。
3、資料工程師：收集整理資料，做前處理，資料庫相關的技術。
4、演算法工程師：了解各種演算的意義和能解決的問題，訓練模型和優化。
5、系統整合工程師：將 AI 模型與現有系統整合、部署等。

30. 切勿過早要求 ROI （Return on investment）
資料的收集，不是短時間可以達成。
資料的清理，往往要投入後才能評估初步的時程。
即使真的train出好模型，也需要驗證。
人員抗拒改變組織流程的心態。
關注在潛在效益比較實際。

31. 案例分享 --- 房地產投資
台中人口爆漲，已經超過高雄成為第二大城了，房地產投資可期
爬出實價登錄的資料
串接Google地圖，取得目標房子周圍的設施
使用LGBM、XGBoost等算法
Emsemble 後，房價預估準確率可以高達 90%

32. 你有一間房子在開山里，周圍有什麼設施……

33. 案例分享 --- 房地產投資成效
我舊家樓下同格局低樓層，成交已經創社區新高。
之前很想買但是沒有買的，別人一年內轉手賺約50萬。
我去年底新買的，最近社區成交資料，換算約漲30萬。
但是，這是真的嗎？

36. 案例分享 --- 房地產投資重點
影響因
子排名
名稱
1 公園
2 餐廳、速食店*
3 幼兒園
4 大型購物中心
5 捷運

37. 結語
對於 Azure Machine Learning 有初步的了解
會 Azure Machine Learning 的基本操作
知道 Azure Machine Learning SDK 是什麼
了解部署的方式
從實戰經驗中學到一些技術面向之外的東西

38. 目前鐵人賽連載中
https://ithelp.ithome.com.tw/users/20120030/ironman/4905

39. 謝謝大家！！
Q&A