機器學習是一項已被研究及應用了數十年的專業領域，是一個能基於數據輸入，進而導出預測成果的繁複電腦系統流程。而 Azure 的機器學習，則封裝了這多年來機器學習的研究成果（如在 Bing 和 Xbox Live 已被使用的），能夠以簡潔的方法進行大數據分析時所需要的複雜數學模型，同時還大幅降低了進行... ...
當聯網的終端設備越來越多時，產生的信息數據也將呈指數式增長，大型、複雜、增長快速的數據收集已經無處不在。而機器學習能夠擴增這些數據的價值，並基於這些趨勢提出更廣泛的應用情境。
那麼，被人們津津樂道的機器學習到底是什麼呢？
機器學習是一項已被研究及應用了數十年的專業領域，是一個能基於數據輸入，進而導出預測成果的繁複電腦系統流程。而 Azure 的機器學習，則封裝了這多年來機器學習的研究成果（如在 Bing 和 Xbox Live 已被使用的），能夠以簡潔的方法進行大數據分析時所需要的複雜數學模型，同時還大幅降低了進行預測分析時的大量開銷及操作成本。
作出更聰明、更準確決策
Azure 機器學習可以利用多種統計方式及演演算法，讓客戶根據歷史數據進行預測。這種預測分析能力可用於許多用途，例如設備維護的時點、信用貸款分數、產品的最佳規格建議等。
該服務提供線上工具，與大型數據集成工作，能在無需編寫代碼的情況下，建立併發布預測模組。同時，亦無需購買傳統上要實現機器學習所需要的昂貴硬體和軟體。當然，為了能得出最好的預測分析成果，有實務經驗的專業知識將會非常有幫助。
組織化學習程式，挖掘更高價值
利用 Azure 的雲計算模型，可簡化使用機器學習演演算法的流程，透過組織化的學習程式，讓組織能由數據中找出更多價值。
當然，通常亦需要更多的專業知識，例如數據科學家，需瞭解如何把 Azure 機器學習應用在特定的問題及場景中，以提出最佳解決方案。數據科學家是專精於統計和應用數學的專家，能將大數據可視化併進一步解釋數據。Azure 的機器學習工具簡單易學，但如果使用人員沒有相應的專業知識，可能會產生誤導性或不相關的結果。
可視化數據分析工具，直觀形象
“ML Studio” 是一個 Azure 機器學習線上工具，可用於開發實驗、執行模型、進而部署使用服務。“ML Studio” 的實驗以流程圖表的視覺化方式，對數據進行分析動作，可從工具箱中直接拖拉出預先定義好的模組至畫面上，直接連接數據資料來指定實驗的流程。這些模組包括數據的細部整理、機器學習演算法(包括決策樹、類神經網路、回歸分析等)、和結果的評估功能，都有細項參數可以調整，以設定實驗如何被訓練及執行。
實驗亦可以設定許可權，讓其他 Azure 訂閱使用者查看，也能很快的自動生成 Web 服務併發布在 Azure 上。這 Web 服務為 REST API 的型式，能讓程式員進行編程、並讓其他應用程式嵌入訪問。通過提交單筆資料或批次處理來取用此 Web 服務，再透過機器學習分析模型返回預測結果。
立即訪問http://market.azure.cn
