2015/6/30 高雄市電腦公會 Machine Learning Session.

1. Machine Learning, Big Data, Insights
小朱
技術顧問 / 軟體架構師 / Microsoft Azure MVP
奇豐資訊科技

2. Big Data

3. Big Data
• 來自四面八方的資料。
• 客戶基本資料，交易資料。
• 留言，按讚的記錄，朋友的連結關係。
• 機器上的，或是Web主機上的 log。
• 圖片。
• ...
• 物聯網 (IoT) 時代，資料量會比你想像的還要多很多。

5. Insights

6. 洞察出資料內要表達的真正意義，才是
Big Data 的核心價值。

7. Machine Learning 是一種分析的作法，讓分
析人員能在浩瀚的資料海中找出某些規則。

8. Machine Learning
• 收集低階資料或資訊。
• 運用統計或數學模型，找出可能的規則。
• 決策樹 (Decision Tree)
• 分類 (Classification)
• 分群 (Clustering)
• 迴歸 (Regression)
• ...
• 將資料倒入規則中，檢視產出是否符合預期。
• 調整演算法，繼續倒資料並檢視產出。
• 當到達可信程度後，用真實資料進行推論。

9. 建議系統 / 推薦系統
Recommendation System
• PC Home怎麼知道你想買的
是什麼？
• YouTube怎麼知道你想看哪
些片子？
• 為什麼人家會比你早一步知道
你想要什麼？

10. Facebook: 我們的人臉辨識成功率有 97.53%。
http://www.extremetech.com/extreme/178777-facebooks-facial-recognition-software-is-now-as-accurate-as-the-human-brain-but-what-now

11. • 為什麼微軟能猜出你
的年紀？
• 背後有數以百萬計的
照片，以及一個 (可能
還是會猜錯的) 模型。

12. • 為什麼微軟能猜出你
和別人像不像？

13. Machine Learning 不只可以用來玩，也可以拿來找出
潛在的風險。
• 你手邊的任何 log，
都有可能是一條潛
在風險的線索 (例如
機器快當機了)。
• 利用這些可能沒什
麼價值的資料，預
測出你的機器或系
統是否要出毛病。

14. Machine Learning Demo:
如果你上了鐵達尼號，你生還的機率有多少?
https://gallery.azureml.net/Experiment/01b2765fa75147ce99679e18482d280f
http://demos.datasciencedojo.com/demo/titanic/

15. Machine Learning 找出來的模型是基於充份又正確的訓
練資料以及調整到位的演算法所保證，所以難免也會有錯
誤的地方 
• 不斷的試誤 (try and error)，
讓資料變得更加準確。
• Big Data 資料量夠大，能
讓 Machine Learning 的價
值更明顯。

16. 結語
• 機器學習是 Big Data 時代分析與洞察資料的利器之一。
• 機器學習需要訓練，就像人一樣。
• 機器學習會因為訓練程度而有不同等級的誤差 
• 不是所有資料分析都要用到機器學習 (SQL 能做到的事就免了)。
• 需要找出一定模式 (Model) 的才會用到機器學習。
• 它可以協助你對傳入的資料進行推論。
• 準確度則看你的訓練決定。
• 機器學習的應用很廣泛，而雲端架構下能讓它更加的容易實現

17. References
• 維基百科:
https://en.wikipedia.org/?title=Machine_learning
• Azure Machine Learning:
http://azure.microsoft.com/zh-tw/services/machine-learning/
• Story of How-old.net:
http://blogs.technet.com/b/machinelearning/archive/2015/05/04/fun-
with-ml-stream-analytics-and-powerbi-observing-virality-in-real-
time.aspx
• 鐵達尼號範例：
http://demos.datasciencedojo.com/demo/titanic/