Prædiktiv dataanalyse går i skyen – kom i gang på ti minutter!
Azure Machine Learning løfter selvlærende dataanalyse fra universiteternes og koncernernes kostbare og hyperavancerede datacentre til webbrowseren og gør datakraft og avancerede algoritmer tilgængelige for alle. Det forklarede Oscar Naim fra Microsoft Corp. på årets GOTO-konferencer.
– Lige så længe computere har eksisteret, har vi fodret dem med algoritmer og historiske data for at regne os frem til sandsynligheden for, om det bliver solskin i morgen eller om arbejdsløsheden falder. Og vi har gjort os store anstrengelser for at indbygge intelligens i algoritmerne for at forbedre resultaternes nøjagtighed. Så, nej, ideen bag prædiktiv dataanalyse er absolut ikke ny, erkender Oscar Naim, Principal Program Manager for Information Management and Machine Learning group hos Microsoft.
Han har en Ph.D. i Computer Sciences fra University of Southampton samt knap 20 års erfaring fra stillinger hos Microsoft, Intel og Oracle i bagagen og holdt oplæg på årets GOTO-konferencer i København og Aarhus. Her konstaterede Oscar Naim også, at det traditionelt har været overordentligt kostbart at anskaffe hardware og udvikle modeller, der kan knuse store datamængder og ’lære’ at sine erfaringer.
Kom i gang med Machine Learning uden investering
– Hidtil har prædiktiv dataanalyse i den store stil reelt været forbeholdt koncerner eller store offentlige institutioner og læreanstalter. Det gør vi op med nu. For med Azure Machine Learning har du adgang til lige så megen beregningskapacitet, som der er behov for. Du skal ikke investere i noget som helst, men kan skalere til at løse præcis den opgave, du skal løse, siger Oscar Naim.
– Måske vil du regne på sandsynligheden for, om en kunde vælger at foretage et køb eller ej. Eller måske vil du – på basis af alder, belastning og input fra vibrationssensorer i 500 rulletrapper – kunne sende en reparatør ud til en trappe, før den faktisk går i stå. Mulighederne er reelt uendelige, forklarer han.
Masser af modeller ligger allerede klar
– Du har i mange tilfælde ikke engang behov for at udvikle de bagvedliggende modeller, for allerede nu ligger der ca. 30 modeller i Azure ML. De er lige til at arbejde med, dækker en række områder fra økonomi og marketing til biologiske systemer. Med tiden kommer der flere endnu, og som bruger skal du sådan set bare beslutte dig for, hvilket datasæt du vil ’træne’ modellerne med. Med risiko for at lyde som en sælger, så tager det ikke mere end nogle minutter at komme i gang, for vi har virkelig gjort det nemt. Her er også masser af træningsmaterialer, der gør det lettere at arbejde med mere avancerede funktioner, siger Oscar Naim.
I sit GOTO-oplæg tog han udgangspunkt i en live-demonstration af, hvordan man på kort tid kan bygge en app, der selv genkender bogstaver og som – på basis af brugernes feedback – bliver stadig mere præcis i sin analyse.
– Jeg synes egentlig, at Azure ML er et ret godt eksempel på, hvordan cloudteknologien har demokratiseret et ellers ekstremt komplekst felt indenfor computerteknologien. Vi har ganske enkelt høvlet flere meter af dørtærskelen, så selv mindre virksomheder eller enkeltpersoner kan komme i gang – uden at have hverken universiteter eller budgetter fra multinationale koncerner i ryggen.
Prøv selv Azure Machine Learning kvit og frit på https://azure.microsoft.com/da-dk/services/machine-learning/