Developer Week 2015: Azure Machine Learning

Machine Learning in AzureHätte ich auf der Titanic überlebt?

Olivia KloseTechnical Evangelist, Microsoft@oliviaklose | oliviaklose.com

13.06.20

15

SQLSaturday Rheinland

2015

1. Zu komplex: Man kann es nicht programmieren.

2.Zu viel: Man kann es nicht skalieren.

3.Zu speziell: Man will personalisierte Programmeschreiben.

4.Autonomes Lernen

Methoden und Systeme, die…

„Garbage-In-

Knowledge-Out“

erreichen

ohne

Datenmodellierung

& Feature

Engineering

vorhersagen

immer

perfekt sind

Regeln

auswendig lernen

VALUE

DIFFICULTY

What happened?

Why did it happen?

What will happen?

How can we make it happen?

Traditional BI Advanced Analytics

Agent allocation

Warehouse efficiency

Smart buildings

Predictive maintenance

Supply chain optimization

User segmentation

Personalized offers

Product recommendation

Fraud detection

Credit risk management

Sales forecasting

Demand forecasting

Sales lead scoring

Marketing mix optimization

Sales and marketing

Finance and risk

Customer and channel

Operations and workforce

Daten

Säubern

Transformieren

Mathe

Modell

bauen

Vorhersagen

𝑓 X = y

Eingabe-

Matrix/Tabelle

Ausgabe-

Vektor/Spalte

ℎ X = y

Eingabe-

Matrix/Tabelle

Vorhergesagte(r)

Ausgabe-Vektor/Spalte

Hypothese

Aussicht Temperatur Windig Klasse

Sonnig Niedrig Ja Spielen

Sonnig Hoch Ja Nicht Spielen

Sonnig Hoch Nein Nicht Spielen

Bewölkt Niedrig Ja Spielen

Bewölkt Hoch Nein Spielen

Bewölkt Niedrig Nein Spielen

Regnerisch Niedrig Ja Nicht Spielen

Regnerisch Niedrig Nein Spielen

Sonnig Niedrig Nein ?

𝑓 x = 𝑦

Features / Eingabe:

(Aussicht, Temperatur, Windig)

z.B. x = sonnig, niedrig, ja

Spielen /

Nicht spielen

Aussicht Temperatur Windig Klasse

Sonnig Sehr Niedrig Ja Spielen

Sonnig Hoch Ja Nicht Spielen

Sonnig Hoch Jein Nicht Spielen

Bewölkt ? Ja Einer spielt

Schäfchen-

wolken

Hoch Nein Spielen

Bewölkt Niedrig Nein Spielen

Regnerisch ? Ja Nicht Spielen

Regnerisch Niedrig Nein Spielen

Sonnig Niedrig Nein ?

Aussicht Temperatur Windig Klasse

Sonnig Niedrig Ja Spielen

Sonnig Hoch Ja Nicht Spielen

Sonnig Hoch Nein Nicht Spielen

Bewölkt Niedrig Ja Spielen

Bewölkt Hoch Nein Spielen

Bewölkt Niedrig Nein Spielen

Regnerisch Niedrig Ja Nicht Spielen

Regnerisch Niedrig Nein Spielen

Sonnig Niedrig Nein ?

𝑓 x = 𝑦

Features / Eingabe:

(Aussicht, Temperatur, Windig)

z.B. x = sonnig, niedrig, ja

Spielen /

Nicht spielen

Aussicht Temperatur Windig Klasse

Sonnig Niedrig Ja Spielen

Sonnig Hoch Ja Nicht Spielen

Sonnig Hoch Nein Nicht Spielen

Bewölkt Niedrig Ja Spielen

Bewölkt Hoch Nein Spielen

Bewölkt Niedrig Nein Spielen

Regnerisch Niedrig Ja Nicht Spielen

Regnerisch Niedrig Nein Spielen

Sonnig Niedrig Nein ?

[[ 1.000000],

[ -1.000000],

[ -1.000000],

[ 1.000000],

[ 1.000000],

[ 1.000000],

[ -1.000000],

[ 1.000000]]

Aussicht Temperatur Windig Klasse

Sonnig Niedrig Ja Spielen

Sonnig Hoch Ja Nicht Spielen

Sonnig Hoch Nein Nicht Spielen

Bewölkt Niedrig Ja Spielen

Bewölkt Hoch Nein Spielen

Bewölkt Niedrig Nein Spielen

Regnerisch Niedrig Ja Nicht Spielen

Regnerisch Niedrig Nein Spielen

Sonnig Niedrig Nein ?

[[ 1.000000, 0.000000, 1.000000],

[ 1.000000, 1.000000, 1.000000],

[ 1.000000, 1.000000, -1.000000],

[ 2.000000, 0.000000, 1.000000],

[ 2.000000, 1.000000, -1.000000],

[ 2.000000, 0.000000, -1.000000],

[ 3.000000, 0.000000, 1.000000],

[ 3.000000, 0.000000, -1.000000]]

Aussicht

Temperatur WindigJa

Bewölkt

Sonnig

Niedrig

Ja

Regnerisch

Hoch

Nein

Nein

Ja

Ja

Nein

Aussicht Temperatur Windig Klasse

Sonnig Niedrig Ja Spielen

Sonnig Hoch Ja Nicht Spielen

Sonnig Hoch Nein Nicht Spielen

Bewölkt Niedrig Ja Spielen

Bewölkt Hoch Nein Spielen

Bewölkt Niedrig Nein Spielen

Regnerisch Niedrig Ja Nicht Spielen

Regnerisch Niedrig Nein Spielen

Sonnig Niedrig Nein ?

Aussicht Temperatur Windig Klasse

Sonnig Niedrig Nein ? Aussicht

Temperatur WindigJa

Bewölkt

Sonnig

Niedrig

Ja

Regnerisch

Hoch

Nein

Nein

Ja

Ja

Nein

Aussicht

Temperatur WindigJa

Bewölkt

Sonnig

Niedrig

Ja

Regnerisch

Hoch

Nein

Nein

Ja

Ja

NeinSpielen!

Aussicht Temperatur Windig Klasse

Sonnig Niedrig Nein ?

Wahrheit

Positiv Negativ

Vorhersage

Po

siti

v

Richtig positiv

(True positive)

Falsch positiv

(false positive)𝑅𝑒𝑙𝑒𝑣𝑎𝑛𝑧, 𝐺𝑒𝑛𝑎𝑢𝑖𝑔𝑘𝑒𝑖𝑡 =

𝑡𝑝

𝑡𝑝 + 𝑓𝑝

Neg

ati

v

Falsch negativ

(false negative)

Richtig negativ

(true negative)

𝑆𝑒𝑛𝑠𝑖𝑡𝑖𝑣𝑖𝑡ä𝑡 =𝑡𝑝

𝑡𝑝 + 𝑓𝑛𝐾𝑜𝑟𝑟𝑒𝑘𝑡𝑘𝑙𝑎𝑠𝑠𝑖𝑓𝑖𝑘𝑎𝑡𝑖𝑜𝑛𝑠𝑟𝑎𝑡𝑒

=𝑡𝑝 + 𝑡𝑛

𝑡𝑝 + 𝑡𝑛 + 𝑓𝑝 + 𝑓𝑛

Wahrheit

Patient ist krank. Patient ist gesund.

Vorhersage

Test

po

siti

v

Test hat den Patienten

korrekterweise als krank

diagnostiziert.

Test hat den Patienten

fälschlicherweise als

krank eingestuft.

𝑅𝑒𝑙𝑒𝑣𝑎𝑛𝑧, 𝐺𝑒𝑛𝑎𝑢𝑖𝑔𝑘𝑒𝑖𝑡 =𝑡𝑝

𝑡𝑝 + 𝑓𝑝

Test

neg

ati

v

Test hat den Patienten

fälschlicherweise als

gesund eingestuft.

Test hat den Patienten

als gesund angezeigt.

𝑆𝑒𝑛𝑠𝑖𝑡𝑖𝑣𝑖𝑡ä𝑡 =𝑡𝑝

𝑡𝑝 + 𝑓𝑛𝐾𝑜𝑟𝑟𝑒𝑘𝑡𝑘𝑙𝑎𝑠𝑠𝑖𝑓𝑖𝑘𝑎𝑡𝑖𝑜𝑛𝑠𝑟𝑎𝑡𝑒

=𝑡𝑝 + 𝑡𝑛

𝑡𝑝 + 𝑡𝑛 + 𝑓𝑝 + 𝑓𝑛

Azure Machine Learning

Machine Learning für alle Unternehmen, Data

Scientists, Entwickler, Analysten und Nutzer

überall auf der Welt zugänglich Machen.

ML

Studio

M

HDInsightSQL Server VMSQL DBBlobs & Tabellen

Cloud

Desktopdateien

Exceltabelle

Andere…

Lokal

IDE für ML Web Service

MonetarisierenSpeicherkonto

http://aka.ms/MLCheatSheet

In limited preview

SELECT text, sentiment(text)FROM myStream

http://aka.ms/stream-ml

http://aka.ms/MLbook

http://aka.ms/MLSerie

http://aka.ms/AzureML-Ueberblick

http://aka.ms/AzureML-MVA

aka.ms/azurenow

Machine Learning Serie

http://aka.ms/MLserie

http://aka.ms/AzureML-Ueberblick

Machine Learning Video-Serie (MVA)

http://aka.ms/AzureML-MVA

Machine Learning Studio

http://studio.azureml.net

Kostenloses E-Book

http://aka.ms/MLbook

oliviaklose.com

aka.ms/MLblog

@oliviaklose

© 2015 Microsoft Corporation.

All rights reserved. Microsoft, Windows, and other product names are or may be registered trademarks in the U.S. and/or other countries.

Olivia Klose

Technical Evangelist

Microsoft Deutschland GmbH

E-Mail: [email protected]

Blog: oliviaklose.com

Twitter: @oliviaklose