Estamos felices de anunciar el lanzamiento de nuestro nuevo ebook gratuito, Microsoft Azure Esencial: Azure Machine Learning (ISBN 9780735698178), por Jeff Barnes. Este es el tercer libro electrónico en la de Microsoft Press gratuita serie Microsoft Azure Essentials.

A continuación encontrará el ebook Prólogo, por Scott Guthrie, vicepresidente ejecutivo del grupo de Nubes y la Empresa de Microsoft, así como algunas secciones útiles de su introducción. Disfrute!

Download as PDF file.

Prefacio

Estoy encantado de poder compartir estos libros electrónicos de Microsoft Azure Esencial con usted.  El poder que Microsoft Azure le da es emocionante, pero no imposible de Microsoft.  Muchos no se dan cuenta que Microsoft ha sido la construcción y gestión de centros de datos durante más de 25 años.  Hoy en día, los centros de datos en la nube de la compañía proporcionan la infraestructura básica y las tecnologías fundamentales para sus servicios en línea más de 200, incluyendo Bing, MSN, Office 365, Xbox Live, Skype, onedrive, y, por supuesto, Microsoft Azure.  La infraestructura se compone de muchos cientos de miles de servidores, redes de distribución de contenido, nodos de computación borde y redes de fibra óptica.  Azure está construida y gestionada por un equipo de expertos que trabajan 24x7x365 para apoyar los servicios de millones de negocios y la vida de los clientes y trabajadores de todo el mundo.

Hoy en día, Azure está disponible en 141 países, entre ellos China, y es compatible con 10 idiomas y 19 monedas, todo ello respaldado por 15000 millones dólares de inversión de Microsoft en la infraestructura del centro de datos global.  Azure está invirtiendo continuamente en las últimas tecnologías de infraestructura, con un enfoque en la alta confiabilidad, excelencia operativa, rentabilidad, sostenibilidad del medio ambiente, y una experiencia en línea confiable para los clientes y socios de todo el mundo.
Microsoft Azure trae tantos servicios al alcance de la mano de una manera confiable, segura y ambientalmente sostenible.  Usted puede hacer cosas inmensas con Azure, como crear una sola máquina virtual con 32 TB de almacenamiento de conducir más de 50.000 IOPS o utilizan cientos de miles de núcleos de CPU para resolver sus problemas computacionales más difíciles.

Tal vez usted necesita para convertir cargas de trabajo dentro y fuera de, o tal vez su empresa está creciendo rápidamente!  Algunas compañías tienen cargas de trabajo con estallido impredecible, mientras que los demás sepan cuando están a punto de recibir una afluencia de tráfico.  Usted sólo paga por lo que usa, y Azure está diseñado para trabajar con los modelos de cloud computing común.

De Windows a Linux, SQL para NoSQL, Gestión de Tráfico de redes virtuales, servicios en la nube a los sitios Web y más allá, tenemos mucho que compartir con ustedes en los próximos meses y años.

Espero que disfruten de esta serie de Microsoft Azure Fundamentos de Microsoft Press.  Los tres primeros libros electrónicos cubren fundamentos de Azure, Azure Automatización y Azure Machine Learning.  Y espero que disfrutar de la vida y el trabajo con Microsoft Azure tanto como nosotros lo hacemos.

De Scott Guthrie
  Vicepresidente Ejecutivo
  Nube y el grupo empresarial, Microsoft Corporation

Introducción

Aprendizaje Automático Azure de Microsoft (ML) es un servicio que un desarrollador puede utilizar para construir modelos predictivos de análisis (utilizando conjuntos de datos de entrenamiento de una variedad de fuentes de datos) y luego fácilmente implementar esos modelos para el consumo como los servicios de cloud web.  Azure ML Studio proporciona una gran funcionalidad para soportar muchos escenarios de flujo de trabajo de extremo a extremo para la construcción de modelos predictivos, de fácil acceso a las fuentes de datos comunes, ricas herramientas de exploración y visualización de datos, aplicación de algoritmos ML populares y potente modelo de evaluación, experimentación y web publicación utillaje.

Este ebook presentará una visión general de la teoría y los principios de ciencia de datos moderno, el flujo de trabajo asociado, y luego cubrir algunos de los algoritmos de aprendizaje automático más comunes en uso hoy en día.  Vamos a construir una variedad de análisis predictivo de los modelos a partir de datos del mundo real, evaluar varios algoritmos de aprendizaje automático diferentes y estrategias de modelado, y luego implementar los modelos terminados como servicio web de aprendizaje automático en Azure en cuestión de minutos.  El libro también se expandirá en un Azure Machine Learning ejemplo modelo predictivo de trabajo para explorar los tipos de cliente y servidor de aplicaciones que se pueden crear para consumir servicios web Azure Machine Learning.

Los escenarios y ejemplos de extremo a extremo en este libro están destinados a proporcionar suficiente información para que usted comience rápidamente aprovechando las capacidades de Azure ML Studio y luego fácilmente ampliar los escenarios de ejemplo para crear sus propios experimentos potentes analíticas predictivas.  El libro concluye con todos los detalles sobre cómo aplicar técnicas de "aprendizaje continuo" para programación "readaptar" modelos predictivos Azure ML sin ninguna intervención humana.

Quién debería leer este libro

Este libro se centra en el suministro de información esencial acerca de la teoría y la aplicación de principios y técnicas de las ciencias de datos y sus aplicaciones en el contexto de Azure Machine Learning Studio.  El libro está dirigido a dos aficionados de ciencia de datos y los veteranos, junto con los desarrolladores y profesionales de TI que son nuevos en el aprendizaje de máquina y el cloud computing.  Azure ML hace que sea tan accesible para un novato como un científico de datos con experiencia, ayudarle a ser productivos rápidamente y en su camino hacia la creación y prueba de soluciones de aprendizaje automático.

Detalladas, ejemplos y demostraciones paso a paso se incluyen para ayudar al lector a comprender cómo empezar con cada uno de los algoritmos de clave de predicción de análisis en uso hoy en día y sus correspondientes implementaciones en Azure ML Studio.  Este material es útil no sólo para aquellos que no tienen experiencia previa con Azure máquina de aprendizaje, sino también para aquellos que tienen experiencia en el campo de la ciencia de datos.  En todos los casos, las demostraciones de extremo a extremo ayudan a reforzar los conceptos de aprendizaje automático con ejemplos concretos y los escenarios de la vida real.  Los capítulos no construir el uno del otro, hasta cierto punto;  Sin embargo, no hay ningún requisito que realice las demostraciones prácticas de los capítulos anteriores para entender cualquier capítulo en particular.

Supuestos

Esperamos que usted tiene por lo menos una comprensión mínima de los conceptos de cloud computing y servicios web básicos.  No hay habilidades específicas necesarias en conjunto para obtener el máximo provecho de este libro, pero tener algún conocimiento del tema de cada capítulo le ayudará a ganar una comprensión más profunda.  Por ejemplo, el capítulo sobre la creación de aplicaciones cliente y servidor Azure ML tendrá más sentido si usted tiene algún conocimiento de las habilidades de desarrollo web.  Azure Machine Learning Studio genera automáticamente ejemplos de código para consumir servicios web analítica predictiva en C #, Python, y R para cada experimento Azure ML.  El conocimiento práctico de una de estas lenguas es útil, pero no es necesario.

Este libro no puede ser para usted si …

Este libro no puede ser para usted si usted está buscando una discusión en profundidad de las teorías matemáticas y estadísticas más profundas detrás de los algoritmos de ciencia de datos tratados en el libro.  El objetivo era transmitir los conceptos básicos y los detalles de implementación de Azure Machine Learning Studio a la audiencia más amplia posible, que pueden no tener un fondo profundo de matemáticas y estadística.

Organización de este libro

Este libro explora los antecedentes, la teoría y las aplicaciones prácticas de la ciencia modernos algoritmos de datos de hoy en día utilizando Azure Machine Learning Studio.  Modelos predictivos Azure ML Se generan entonces, evaluados y publicados como servicios web para el consumo y la prueba por una amplia variedad de clientes para completar el ciclo de retroalimentación.

Los temas explorados en este libro incluyen:

• Capítulo 1, "Introducción a la ciencia de la información", muestra cómo Azure Machine Learning representa un gran paso adelante en la democratización de la ciencia de datos poniendo a su disposición un servicio de nube completamente gestionada para la construcción de soluciones de análisis predictivo.
• Capítulo 2, "Introducción a Azure Machine Learning," cubre los conceptos básicos detrás de la ciencia y la metodología de análisis predictivo.
• Capítulo 3, "Utilización de Azure ML de estudio," explora los fundamentos básicos de Azure Machine Learning Studio y le ayuda a empezar en su camino hacia la grandeza de ciencia de datos.
• Capítulo 4, "Creación de cliente Azure ML y aplicaciones de servidor." Se expande en un modelo predictivo Azure Machine Learning trabaja y explora los tipos de cliente y servidor de aplicaciones que se pueden crear para consumir servicios web Azure Machine Learning.
• Capítulo 5, "análisis de regresión," toma una mirada más profunda a algunos de los algoritmos de aprendizaje automático más avanzados que se exponen en Azure ML Studio.
• Capítulo 6, "análisis de racimo", explora los escenarios donde la máquina lleva a cabo su propio análisis sobre el conjunto de datos, determina las relaciones, infiere agrupaciones lógicas, y generalmente intenta dar sentido al caos mediante la determinación de, literalmente, los bosques de los árboles.
• Capítulo 7, "El recomendador Azure ML Matchbox", explica una de las implementaciones más poderosas y penetrantes de análisis predictivo en uso hoy en día en la web hoy en día y cómo es crucial para el éxito en muchas industrias de consumo.
• Capítulo 8, "modelos de Reconversión Azure ML," explora los mecanismos para la incorporación de "aprendizaje continuo" en el flujo de trabajo para nuestros modelos predictivos.

Agradecimientos

Este libro está dedicado a mi padre que falleció durante el tiempo en este libro se estaba escribiendo, pero sabiamente predijo que las computadoras serían una gran cosa un día y que debería empezar a "subirse a la ola" de este nuevo campo emocionante.  Ha sido realmente un buen paseo hasta el momento.

Este libro es la culminación de muchos, noches y fines de semana largos sacrificados.  También me gustaría dar las gracias a mi esposa Susan, que de alguna manera siempre se puede predecir mi próximo movimiento mucho antes de que lo hago.  Y a mis hijos, Ryan, Brooke, y Nicolás, por su constante apoyo y aliento.

Un agradecimiento especial a todo el equipo de Microsoft Press por su increíble apoyo y guía en este viaje.  Por encima de todo, fue un placer supremo a trabajar con mi editor, Devon Musgrave, quien prestó asesoramiento constante, guía y sabiduría de los primeros días en que este libro era sólo una idea, todo el camino a través de la copia final.  Brian Blanchard también fue crítico para el éxito de este libro como su aguda edición y magia lingüística ayudó de forma muchas secciones de este libro.