Introduccion Azure Machine Learning

Mayo 13, 2017
Bogotá, Colombia
#sqlsatBogota

 Raúl Saráchaga Díaz
Business Intelligence Consultant at Kaits
Database Administrator
MCSA SQL Server 2012/2014
MCSE Data Management and Analytics
MCSE Business Intelligence
Introducción a Azure Machine Learning
Email:raulsarachaga@hotmail.com
Blog personal: aprendebi.wordpress.com

Desarrollo del Contenido
 Ciencia de Datos
 Machine Learning
 Azure Machine Learning
 Demo sobre Azure Machine Learning
13/5/2017 | SQL Saturday #608 – Bogotá, Colombia3 |

Ciencia de Datos
 Es un campo interdisciplinario que
involucra métodos científicos, procesos y
sistemas para extraer conocimiento y
obtener un mejor entendimiento de los
datos, estos podrían ser estructurados o
no estructurados.
 Así mismo, es el conjunto de campos tales
como: la estadística, la minería de datos,
el aprendizaje automático y la analítica
predictiva.

Científico de Datos

¿Qué tienen en común?

Machine Learning
 Es una rama de la informática en el cual
las computadoras “aprenden” a través de
los datos, y de esta forma poder luego
crear modelos predictivos.
 Detección de fraudes en tarjetas de créditos
 Recomendaciones para compras online
 Predicción de stock de artículos para campaña
del día de la madre

Machine Learning
 Para empezar a trabajar con los datos se
deben tener en cuenta algunas
consideraciones:
 RELEVANTES
 CONECTADOS
 PRECISOS
 SUFICIENTES

Relevantes
 Para predecir el porcentaje de
contaminación no encuentro datos
relevantes:
 Para predecir el porcentaje de
contaminación si encuentro datos
relevantes:

Conectados
 Datos No Conectados  Datos Conectados
Automotores Ton/año %
contaminación
9270.6 84.0
511 1.7
18.4 0.2
164 1286.6 11.7
Automotores Ton/año %
contaminación
4449 9270.6 84.0
511 187.4 1.7
396 18.4 0.2
164 1286.6 11.7

Precisos
 No Precisos  Precisos

Suficientes
 Insuficientes, esto va muy relacionada con
el tamaño de data histórica que se tiene
para entrenar y testear el modelo
 Suficientes

Tipos de Aprendizaje
 Aprendizaje Supervisado
 Predicción.
 Se dispone de los valores de los datos.
 Modelo entrenado para predecir datos.
 Aprendizaje No Supervisado
 Identificar clúster de datos.
 Encontrar el valor de los datos.
 Obtener clúster de datos del modelo.

Tipos de Algoritmos
 Clasificación
 Detección de anomalías
 Regresión
 Clusterización

Clasificación
 ¿Es A o B?
A
B

Detección de Anomalías
 ¿Qué está fuera de lo común?

Regresión
 ¿Cuánto o cuantos?
25° 20° 18°
?

Clusterización
 ¿Cómo están organizados?

Microsoft y Machine Learning

Azure Machine Learning
 Es un servicio en la nube de Microsoft
 Nos brinda:
Total Gestión Integración Algoritmos
Selectos
Despliegue
Sencillo
Solo se necesita de un
portal para administrar.
Simple drag and drop.
Integración nativa con
otros servicios en la
nube de Microsoft.
Utilice los algoritmos
ya pre-construidos.
Otros aplicativos
pueden consumer el
modelo por medio de
un web service
generado.

Servicio de Machine Learning
Blobs
Tablas
Hadoop (HDInsight)
DB (Azure SQL DB)
Datos Cliente
Modelo en web service
API
Ambiente de desarrollo de Machine
Learning
ML STUDIO

“I spent last semester building a regression model in
Python, and I just did the same thing in 10 minutes
with Azure ML”

Construyendo un Modelo Predictivo para el
Alquiler de Apartamentos
#sqlsatBogota

Arquitectura de la Solución
Azure
Data
Factory
SQL
Azure
Data
base
Power
BI
Archivo
Plano
Azure
Machine Learning

#sqlsatBogota
Preguntas y Respuestas

Capítulo Organizador del SQL Saturday
www.bdotnet.co

Patrocinadores del SQL Saturday

Conéctese con PASS
Regístrese hoy para una membresía gratis:
pass.org
#sqlpass

Sea cual sea su pasión datos - hay un capítulo virtual para
usted!

Introduccion Azure Machine Learning

Más contenido relacionado

Similar a Introduccion Azure Machine Learning (20)

Más de Raul Martin Sarachaga Diaz (20)

Último (20)

Introduccion Azure Machine Learning