SlideShare a Scribd company logo
Инструменты машинного знания, как сервис Azure MachineLearning 
Виктор ЦикуновМайкрософт Украина
Содержание 
Что такое Azure? 
Как работает Azure Machine Learning? 
Демо 
Какие задачи можно решать
Azure footprint 
16 регионов в мире в2014 
Дата центры 
Региональные партнеры
Fortune 500 using Azure 
>57% 
>300k 
Active websites 
More than 
1,000,000 
SQL Databases in Azure 
>30 
TRILLIONstorage objects 
>300 
MILLION 
AAD users 
>13 
BILLION 
authentication/wk 
>3 
MILLIONrequests/sec 
>1.65 
MILLION 
Developers registered with Visual Studio Online
Microsoft Azure Services 
Client layer 
(on-premises) 
Tablet Phone 
Games 
PC console 
On-premises 
Office Add-in Browser database 
On-premises 
service 
AD 
Multifactor 
Authentication 
Access Control 
Layer 
Integration 
layer 
Service Bus CDN 
BizTalk 
Services 
Traffic 
Manager 
Virtual 
Networks 
Express 
Route 
Application 
layer 
API Mgmt Websites 
Cloud 
Services VM 
Mobile 
Services 
Media 
Services 
Notification 
Hubs Scheduler Automation 
Data Layer 
Storage Blobs Tables Queues Data 
Machine 
Learning HD Insight 
Backup and 
Recovery 
SQL 
Database Caching StorSimple
Почта США обрабатывает более 150 миллиардов писем и посылок за год –слишком много для эффективной ручной сортировки. 
Не так давно, в 1997, только 10% корреспонденции с написанным рукой адресом сортировалось автоматически.
Проблема автоматизации в обучении компьютеров понимать бесконечные вариации рукописного текста
Постоянные отзывы помогли почте США обучить таки компьютеры читать рукописный текст. 
Сейчас более 98% корреспонденции обрабатываются машинами.
SQL Server Получил функции Data Mining 
Фильтрация СПАМа 
Microsoft Kinect понимает жесты людей 
Microsoft запускаетAzure Machine Learning 
Поисковые системы Microsoft начали использовать Data Mining 
Bing Maps начали исполь- зоватьML механизмы для предсказания трафика 
Успешное распознавание голоса в реальном времени 
Microsoft & Machine Learning15 лет инноваций 
John Platt, Distinguished scientist at Microsoft Research 
1999 
2012 
2008 
2004 
2014 
2010 
2005 
Машинное обучение широко распространено во всех продуктах Microsoft. 
“ 
”
Azure Portal 
Azure Ops Team 
ML Studio 
Аналитик 
HDInsight 
Azure Storage 
Desktop Data 
& 
ML API service 
Web Apps Mobile Apps PowerBI/Dashboards 
ML API service Разработчик
Демо 
Azure Machine Learning в жизни
Представьте себе, что машинное обучение может сделать для вашего бизнеса. 
Анализ оттока клиентов 
Мониторинг оборудования 
Фильтрация СПАМа 
Таргетированиерекламы 
Рекомендации 
Выявление мошенничества 
Выявление и классификация изображений 
Прогноз- ирование 
Выявление аномалий
Viktor.Tsykunov@microsoft.com
azure.com/ml

More Related Content

PPSX
5. Готовые инструменты Azure: бизнес-прогнозирования в Machine Learning
PPSX
Бизнес-аналитика – не роскошь, а средство для принятия решений:
PPSX
Переход в Облако для решения «земных» задач
PPTX
White Nights 2015 - Облако для геймдева - как делают игры на миллионы пользов...
ODP
Cloud Computing
PPTX
КРИ 2014: Расширение возможностей вашей игры с помощью Microsoft Azure
PDF
DevGamm 2016 - Microsoft Azure - геймдев в большом облаке
PPTX
Облако Microsoft Azure - введение в основные сервисы для разработки и инфраст...
5. Готовые инструменты Azure: бизнес-прогнозирования в Machine Learning
Бизнес-аналитика – не роскошь, а средство для принятия решений:
Переход в Облако для решения «земных» задач
White Nights 2015 - Облако для геймдева - как делают игры на миллионы пользов...
Cloud Computing
КРИ 2014: Расширение возможностей вашей игры с помощью Microsoft Azure
DevGamm 2016 - Microsoft Azure - геймдев в большом облаке
Облако Microsoft Azure - введение в основные сервисы для разработки и инфраст...

What's hot (10)

PDF
Презентация MS Azure
DOCX
Тренинги по Azure для AWS-профессионалов
PPTX
Microsoft Azure - введение в основные сервисы для разработки и инфраструктуры...
PPT
Николай Марин — IBM — ICBDA2016
PPTX
Инфраструктура как услуга (IaaS) в Windows Azure
PPSX
Ms it cup bruce-aams
PDF
Windows azure
PPTX
Mobile services meetup - short version
PPT
Petrov Cloud for corporate customer
Презентация MS Azure
Тренинги по Azure для AWS-профессионалов
Microsoft Azure - введение в основные сервисы для разработки и инфраструктуры...
Николай Марин — IBM — ICBDA2016
Инфраструктура как услуга (IaaS) в Windows Azure
Ms it cup bruce-aams
Windows azure
Mobile services meetup - short version
Petrov Cloud for corporate customer
Ad

Similar to FOSS Sea 2014_Виктор Цикунов (Microsoft Ukraine)_Инструменты машинного знания, как сервис (20)

PPTX
Сервисы Azure для научных исследований
PPTX
Cloud Day 2.0. Машинное обучение и AzureML. Предсказываем вероятность выжить ...
PPTX
Аналитика в облаке для современного бизнеса
PDF
Inevitability of the cloud 2015 (Russ)
PPTX
4 azure 24 04
PPTX
Machine Learning and Azure Machine Learning
PPTX
GoTo Hackathon 2016 Анализ данных с помощью облачных инструментов Microsoft
PDF
Machine Learning and Artificial Intelligence as a business tool and a foundat...
PPTX
Masters Academy: Передовые технологии AR & VR, machine learning, cloud compu...
PPTX
Azure - подведение итогов
PPTX
Hackathon KickOff - Azure/Startups part
PDF
Александр Белоцерковский (Microsoft)
PPTX
Windows Azure - BigData and Hadoop
PDF
Introduction to Data Science
PPT
MoITvation - презентация-размышление о роли IT в современном мире с конкретны...
PPTX
02.Службы Azure
PPTX
Intel and Microsoft Russian IoT Megahackathon Kickoff - Azure/Startups part
PDF
«Облачная платформа Windows Azure для высоконагруженных проектов»
PPSX
Microsoft Azure: снижение затрат, безопасность, Internet of Things
PPTX
Машинное обучение для интеллектуализации ваших приложений
Сервисы Azure для научных исследований
Cloud Day 2.0. Машинное обучение и AzureML. Предсказываем вероятность выжить ...
Аналитика в облаке для современного бизнеса
Inevitability of the cloud 2015 (Russ)
4 azure 24 04
Machine Learning and Azure Machine Learning
GoTo Hackathon 2016 Анализ данных с помощью облачных инструментов Microsoft
Machine Learning and Artificial Intelligence as a business tool and a foundat...
Masters Academy: Передовые технологии AR & VR, machine learning, cloud compu...
Azure - подведение итогов
Hackathon KickOff - Azure/Startups part
Александр Белоцерковский (Microsoft)
Windows Azure - BigData and Hadoop
Introduction to Data Science
MoITvation - презентация-размышление о роли IT в современном мире с конкретны...
02.Службы Azure
Intel and Microsoft Russian IoT Megahackathon Kickoff - Azure/Startups part
«Облачная платформа Windows Azure для высоконагруженных проектов»
Microsoft Azure: снижение затрат, безопасность, Internet of Things
Машинное обучение для интеллектуализации ваших приложений
Ad

More from GeeksLab Odessa (20)

PDF
DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...
PDF
DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...
PDF
DataScience Lab 2017_Блиц-доклад_Турский Виктор
PDF
DataScience Lab 2017_Обзор методов детекции лиц на изображение
PDF
DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...
PDF
DataScienceLab2017_Блиц-доклад
PDF
DataScienceLab2017_Блиц-доклад
PDF
DataScienceLab2017_Блиц-доклад
PDF
DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...
PDF
DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...
PDF
DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко
PDF
DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...
PDF
DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...
PDF
DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...
PDF
DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...
PDF
DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...
PDF
DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...
PDF
DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот
PDF
JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...
PPTX
JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js
DataScience Lab2017_Коррекция геометрических искажений оптических спутниковых...
DataScience Lab 2017_Kappa Architecture: How to implement a real-time streami...
DataScience Lab 2017_Блиц-доклад_Турский Виктор
DataScience Lab 2017_Обзор методов детекции лиц на изображение
DataScienceLab2017_Сходство пациентов: вычистка дубликатов и предсказание про...
DataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-доклад
DataScienceLab2017_Блиц-доклад
DataScienceLab2017_Cервинг моделей, построенных на больших данных с помощью A...
DataScienceLab2017_BioVec: Word2Vec в задачах анализа геномных данных и биоин...
DataScienceLab2017_Data Sciences и Big Data в Телекоме_Александр Саенко
DataScienceLab2017_Высокопроизводительные вычислительные возможности для сист...
DataScience Lab 2017_Мониторинг модных трендов с помощью глубокого обучения и...
DataScience Lab 2017_Кто здесь? Автоматическая разметка спикеров на телефонны...
DataScience Lab 2017_From bag of texts to bag of clusters_Терпиль Евгений / П...
DataScience Lab 2017_Графические вероятностные модели для принятия решений в ...
DataScienceLab2017_Оптимизация гиперпараметров машинного обучения при помощи ...
DataScienceLab2017_Как знать всё о покупателях (или почти всё)?_Дарина Перемот
JS Lab 2017_Mapbox GL: как работают современные интерактивные карты_Владимир ...
JS Lab2017_Под микроскопом: блеск и нищета микросервисов на node.js

FOSS Sea 2014_Виктор Цикунов (Microsoft Ukraine)_Инструменты машинного знания, как сервис

  • 1. Инструменты машинного знания, как сервис Azure MachineLearning Виктор ЦикуновМайкрософт Украина
  • 2. Содержание Что такое Azure? Как работает Azure Machine Learning? Демо Какие задачи можно решать
  • 3. Azure footprint 16 регионов в мире в2014 Дата центры Региональные партнеры
  • 4. Fortune 500 using Azure >57% >300k Active websites More than 1,000,000 SQL Databases in Azure >30 TRILLIONstorage objects >300 MILLION AAD users >13 BILLION authentication/wk >3 MILLIONrequests/sec >1.65 MILLION Developers registered with Visual Studio Online
  • 5. Microsoft Azure Services Client layer (on-premises) Tablet Phone Games PC console On-premises Office Add-in Browser database On-premises service AD Multifactor Authentication Access Control Layer Integration layer Service Bus CDN BizTalk Services Traffic Manager Virtual Networks Express Route Application layer API Mgmt Websites Cloud Services VM Mobile Services Media Services Notification Hubs Scheduler Automation Data Layer Storage Blobs Tables Queues Data Machine Learning HD Insight Backup and Recovery SQL Database Caching StorSimple
  • 6. Почта США обрабатывает более 150 миллиардов писем и посылок за год –слишком много для эффективной ручной сортировки. Не так давно, в 1997, только 10% корреспонденции с написанным рукой адресом сортировалось автоматически.
  • 7. Проблема автоматизации в обучении компьютеров понимать бесконечные вариации рукописного текста
  • 8. Постоянные отзывы помогли почте США обучить таки компьютеры читать рукописный текст. Сейчас более 98% корреспонденции обрабатываются машинами.
  • 9. SQL Server Получил функции Data Mining Фильтрация СПАМа Microsoft Kinect понимает жесты людей Microsoft запускаетAzure Machine Learning Поисковые системы Microsoft начали использовать Data Mining Bing Maps начали исполь- зоватьML механизмы для предсказания трафика Успешное распознавание голоса в реальном времени Microsoft & Machine Learning15 лет инноваций John Platt, Distinguished scientist at Microsoft Research 1999 2012 2008 2004 2014 2010 2005 Машинное обучение широко распространено во всех продуктах Microsoft. “ ”
  • 10. Azure Portal Azure Ops Team ML Studio Аналитик HDInsight Azure Storage Desktop Data & ML API service Web Apps Mobile Apps PowerBI/Dashboards ML API service Разработчик
  • 11. Демо Azure Machine Learning в жизни
  • 12. Представьте себе, что машинное обучение может сделать для вашего бизнеса. Анализ оттока клиентов Мониторинг оборудования Фильтрация СПАМа Таргетированиерекламы Рекомендации Выявление мошенничества Выявление и классификация изображений Прогноз- ирование Выявление аномалий