--課程已於 2020 年 11 月更新--
課程說明
機器學習是高需求的技能之一。 數據是新石油。
然而，學習 ML 然後進一步佈署一直很困難。 Azure ML 是 Microsoft 對機器學習進行民主化的一種方式。
Azure 機器學習（AzureML）被認為是遊戲規則變革者。 Azure 機器學習工作室 ( Azure Machine Learning Studio ) 是學習建構高級模型的好工具，無需寫一行程式碼，只要簡單地拖放即可編輯。
這個課程的設計是考慮到入門級的資料科學家，或者沒有程式設計或資料科學的背景的任何人。 本課程還將幫助資料科學家學習 AzureML 工具。 如果你已經熟悉機器學習的概念或基本知識，你可以跳過一些最初的講座或者以2倍的速度走過課程。
課程非常實用，你將能夠運用下列知識開發自己的高級模型
✅邏輯迴歸 ( Logistic Regression )
✅決策樹 ( Decision Trees )
✅線性迴歸 ( Linear Regression )
✅支持向量機 ( SVM : Support Vector Machine)
✅更多
不用任何程式設計。 而且，你將能夠將這些模型佈署為 Web 服務。
本課程是一門完整的機器學習課程，涵蓋基礎知識。 我們不僅要建立模型，還要解釋所有這些模型的各種參數以及我們可以在哪些方面應用它們。
在這個過程中，我們將從機器學習中經常使用的一些基本術語開始。
我也會解釋：
✅什麼是機器學習和一些現實世界的例子。
✅Azure 機器學習介紹
✅提供 Azure 機器學習工作室和高級體系結構的概述。
我們也將看看
✅建立 ML 模型的步驟
✅有監督和無監督學習
✅了解數據和預處理
✅不同的模型類型
✅AzureML 備忘清單 ( Cheat Sheet )
✅如何使用分類和迴歸
✅什麼是群聚或群聚分析
✅使用 AzureML 最強大的推薦引擎創建推薦系統
https://softnshare.com/machine-learning-using-azureml/
logistic regression演算法 在 10 資料探勘| 資料科學與R語言 的推薦與評價
Clustering 分群; Association Rules 關聯式規則. 在監督式學習中常見的資料探勘演算法如下：. Linear Regression 線性迴歸; Logistic Regression 羅吉斯迴歸、邏輯 ... ... <看更多>