了解自訂視覺
我們將使用 Azure AI 自訂視覺服務來建立機器學習模型。 讓我們來深入了解自訂視覺的運作方式。 然後，您會看到用於建立模型的逐步流程，從概念到完全運作的模型！
什麼是機器學習服務？
您可能聽過 AI、機器學習或深度學習。 讓我們來識別這些字詞，了解其不同之處。
人工智慧 (AI)：AI 是對電腦進行程式設計以模擬人類智慧的程序。 AI 包含「機器學習」。 AI 的概念是使用機器來模擬人類智慧一樣，但 AI 提供許多不同的技術。 本課程模組著重於機器學習技術。
機器學習：機器學習是 AI 的一部分。 機器學習使用技術來根據經驗定型機器。 經驗就像是已提供正確和錯誤答案的資料集。 在機器學習中，電腦會使用所提供答案來改善電腦完成特定工作的方式。 機器學習的範疇還包含「深度學習」。
深度學習：深度學習是機器學習的一部分，以人工神經網路 (ANN) 為基礎。 由於 ANN 是由多層 (輸入、輸出和隱藏層) 所組成，因此學習過程是「深度」的。 每一層都包含轉換單位，可將輸入資料轉換成資訊，以供下一層用於特定預測工作。 此神經網路結構可讓機器透過自己的資料處理來進行學習。
建立模型時，我們會嘗試模擬人類智慧。 我們使用資料作為「經驗」，以定型模型學習特定工作或函式。
什麼是傳輸學習？
Azure AI 自訂視覺會使用「傳輸學習」。 傳輸學習是指能夠利用先前的知識來更妥善解決手邊的問題。 就像人類一樣，我們總是採取這種方法來解決問題。 我們也會探索新方法，使用電腦來解決問題。
在 Azure 的自訂視覺服務中，傳輸學習的運作方式是在神經網路中新增一層，這層包含了一個預先定型模型。 此定型的模型可供在定型新資料時領先一步。 定型會從一般知識領域開始。 新增至神經網路的各層用於解決特定問題。 在此案例中，我們想要解決的問題是如何識別鳥類。 從預先定型的模型開始著手，讓我們可以得到更好的結果，而不需要新增大量資料。
建置機器學習模型
為了進一步了解建立機器學習服務模型的程序，以下提供這套流程的逐步概覽。 我們將完成此流程以建立機器學習模型。
詢問尖銳問題。 我們的問題是：可從鳥類影像中識別鳥類的物種，以協助記錄鳥類習性的不同趨勢和模式嗎？
準備資料。 我們已整理並備妥 Cornell Lab 的鳥類影像資料集，因此已完成此步驟。 如果您建立不同的模型，則需要尋找並準備資料來定型模型。 您需要尋找資料來協助回答感興趣的尖銳問題。
選取演算法。 Azure 自訂視覺服務使用「卷積神經網路 (CNN)」，因此我們不需要擔心此步驟。 CNN 是一種深度學習，通常用來分析影像。 已建立演算法可為我們省下「許多」時間！
選取候選模型。 自訂視覺服務提供實用的圖表和資料，以有助判斷模型的執行效能是否足以針對問題提供滿意答案。 對模型表現感到滿意時，即可進行下一個步驟：測試。
使用未曾見過的資料 (新資料) 來測試模型。 請務必新增資料來測試模型。 我們將進行網際網路搜尋並尋找一些測試影像，以查看模型使用非定型所用資料的執行表現。 我們將在本課程模組稍後討論為何必須以此方式進行測試。
部署模型。 需部署我們的模型時，自訂視覺服務提供一些可用選項。 我們可部署到端點來整合模型，也可下載模型。 如果您下載模型，則可從多種格式中進行選擇，以最適合您專案的方式來部署。 在本課程模組中，我們將討論如何使用自訂視覺入口網站中提供的快速部署選項。
現在就開始建立模型！