Blog Archives

2023 微软Global AI : R语言中的机器学习

跨界知识聚会系列文章,“知识是用来分享和传承的”,各种会议、论坛、沙龙都是分享知识的绝佳场所。我也有幸作为演讲嘉宾参加了一些国内的大型会议,向大家展示我所做的一些成果。从听众到演讲感觉是不一样的,把知识分享出来,你才能收获更多。

关于作者

  • 张丹,数据分析师/程序员/Quant: R,Java,Nodejs
  • blog: http://fens.me
  • email: bsspirit@gmail.com

转载请注明出处:
http://blog.fens.me/meeting-ms-global-ai-20230304

前言

ChatGPT风靡全球,人工智能再次推向了新的时代,如何将AI服务融入应用程序和落地使用来提升工作效率、创造更大的价值,将是企业和个人未来所面临的机会和挑战。

我从R语言机器学习的角度,来介绍了人工智能技术的发展,R语言在人工智能技术使用上的优势和可落地的技术实现。

目录

  1. 我分享的主题:R语言中的机器学习
  2. 会议体验和照片分享

1. 我分享的主题:R语言中的机器学习

AI技术继续引领科技创新,R语言机器学习作为可落地的技术,将帮我们利用数据向着智能化的方向前进。比如,用于信用贷款的风险评价领域的评分卡模型,基于逻辑回归和xgboost实现;用于金融资产配置的资本资产定价模型,基于线性回归实现;用于垃圾邮件分类,基于Bayes实现;用于团伙识别,基于图算法实现。

本次分享的PPT和代码,我上传到了github:https://github.com/bsspirit/ml

我主要为分几个部分进行介绍,包括机器学习是什么,机器学习几个重要任务,回归,分类,聚类,降维(升维),模型评估,优化,样本选择,autoML自动化。

人工智能的进化发展:

具体的任务方向和技术:

2. 会议体验和照片分享

本次活动是微软Global AI Bootcamp 北京站——ChatGPT专场的活动,主要由微软MVP给大家进行一些技术分享。(Global AI Bootcamp 是由对 Microsoft Azure 上的人工智能充满热情的当地社区组织在世界各地举办的活动。活动是质量内容、真棒演讲和与社区中志同道合的同龄人进行实践学习的完美平衡。)

本次会议报名页: https://www.huodongxing.com/go/chatgpt?td=8372911588190

时间地点:
时间:2023年 3月4日 14:00-17:00
地点:丹棱街5号微软亚太研发集团总部1号楼

活动日志:

13:30-14:00Global AI Bootcamp北京站 签到
14:00-14:10主办方致辞
14:10-16:10嘉宾演讲
16:10-16:40圆桌会议
16:40-17:00问答抽奖

2.1 会议主题

本次活动由 4位MVP(刘海峰,张丹,徐磊,李佳芮)和1位微软员工(卢建晖)一起作为分享嘉宾。

卢建晖,主题:打造你人生中的第一个OpenAI 应用。微软云技术布道师,热爱编程,热爱分享,专注在人工智能,物联网,云原生等领域。

张丹,主题:R语言中的机器学习。微软MVP,R语言实践者,北京青萌数海科技有限公司CTO,10年以上互联网应用架构经验,在R、大数据、数据分析等方面有深厚的积累。精通量化投资交易策略,熟悉中国金融二级市场、交易规则和投研体系。

徐磊,主题:被开发者低估的AI编程助手-Github Copilot。微软技术社区区域总监,Devops社区领袖,SmartIDE开源项目创始人;写了十几年代码但还没写够的程序员

李佳芮,主题:ChatGPT: AI与人 [替代] 还是[共生]。句子互动创始&CEO,微软 AI MVP,中文首本对话式交互图书《Chatbot从0到1》作者,全球最大的对话式交互 RPA SDK 开源框架 Wechaty 联合作者,Combinator W19 校友,对话式营销开创者。

刘海峰,主题:用Azure OpenAI来打造语音助理机器人。微软MVP、软积木 CEO

2.2 相关照片

MVP和现场组织人员

现场大合照

现场的零食

现场的同学们在认真听课

好久没有参加线下会了,久违的感觉,线下真好。感谢组织会议的工作人员,感谢MVP项目负责人霸姐的支持,感谢摄影师老丁。

转载请注明出处:
http://blog.fens.me/meeting-ms-global-ai-20230304

2021 微软 Ignite-聊聊Azure上的AI和Data

跨界知识聚会系列文章,“知识是用来分享和传承的”,各种会议、论坛、沙龙都是分享知识的绝佳场所。我也有幸作为演讲嘉宾参加了一些国内的大型会议,向大家展示我所做的一些成果。从听众到演讲感觉是不一样的,把知识分享出来,你才能收获更多。

关于作者

  • 张丹,分析师/程序员/Quant: R,Java,Nodejs
  • blog: http://fens.me
  • email: bsspirit@gmail.com

转载请注明出处:
http://blog.fens.me/meeting-ms-ignite-20210318

前言

由于疫情在全球肆虐,原来线下的各种会议都改成了线上的模式,微软一年一度的Ignite大会如期举行。本次大会增加了一个嘉宾脱口秀的环节,由众多的微软MVP组成的嘉宾团,给大家说说微软黑科技。

目录

  1. 圆桌主题:Azure上的AI+机器学习
  2. 会议体验和照片分享

1. 圆桌主题:Azure上的AI+机器学习

我参与的圆桌部分,主题是怎么看微软在人工智能和大数据领域的技术革新。我从最擅长的数据分析进行介绍,针对于Azure上的Data和AI的主题,谈谈微软产品如何带动整个行业的发展。

我从2个方面来介绍微软数据产品线设计。

我主要为分2个部分进行介绍:

  1. Azure上的 AutoML 自动机器学习平台
  2. Azure认知服务体系

数据分析,作为大数据和人工智能的一个分支,正在各领域中发挥着作用。Azure上是最早推出AutoML的SaaS服务平台之一,现在已经做的非常完善和成熟了。在AutoML的过程中,不仅集成了众多优秀的产品,同时提供了强大的计算能力,和认知服务能力。让小团队可以直接跨过底层的复杂技术架构的搭建过程,从而直接面向应用层去做开发。

Azure上的产品组件:

  • Azure Data Factory,数据工厂被描述为一项数据集成服务。 Azure 数据工厂的用途是从一个或多个数据源中检索数据,并将其转换为你可处理的格式。 数据源可能以不同的方式呈现数据,并且包含需要筛选掉的干扰词。Azure 数据工厂使你可以提取感兴趣的数据,并放弃其余数据。
  • Azure Data Lake Storage, 数据湖是用于存储大量原始数据的存储库。 由于数据原始且未经处理,因此其加载和更新速度非常快,但数据并未采用适合高效分析的结构。
  • Azure Databrick, 是在 Azure 上运行的 Apache Spark 环境,可提供大数据处理、流式传输和机器学习功能。 Apache Spark 是一个高效的数据处理引擎,可以非常快速地使用和处理大量数据。
  • Azure Synapse Analytics, 是一个分析引擎,基于数据仓库的分析服务
  • Cosmos DB,是完全托管的NoSQL数据库服务。


在Azure上,我们不担心产品试用过程中的复杂度,因为通过“服务编排”的方式,建立Pipeline流程,用拖拽就可以完成复杂的产品对接的,和数据流控制,数据处理过程。Azure把流程进行了标准化的定义,产品可以自由组装,数据流关系可以进行服务编排,通过服务接口进行调用,形成了 AutoML 完成的数据产品闭环。


认知服务几乎覆盖了完整的深度学习的应用领域,同样我们可以通过服务接口的方式,调用这个认知服务,而不只自己在重新搭建底层平台。

  • 影像:人脸,图像提取文本,图像分类准确识别画作,视频索引
  • 语音: 文字转语音,语音转文字,语音翻译
  • 语言:文字翻译,语言理解(LUIS),情绪分析
  • 知识:异常检测器,个性化推荐,内容审查
  • 搜索:bing

你可以直接使用由微软提供的,已训练好的通用模型,也可以根据自己的数据训练出符合自己业务场景的个性化模型。总之,既可以通用又可以专业,使用起来非常方便,可以大大解放人的工作,从而实现AI驱动。

2. 会议体验和照片分享

Micosoft Ignite 全球直播又来啦,本次大会的官方页面:https://ignitechina.microsoft.com/index.html, 微信公众号地址:https://mp.weixin.qq.com/s/utnigc2fIeCkZbfkPijHLQ

2.1 会议主题

MVP嘉宾代表团:分了五组进行对微软生态进行介绍。

2.2 相关照片

圆桌对话:我在北京主会场和主持人:杨娜,另外三个嘉宾在上海会场:王公子,彭爱华老师,胡浩。

在各种设备中看直播。

刘亮和杨威,低代码开发。

朱一婷,在做 Micriosoft Mesh 技术分享,混合现实领域。

负责专业录制节目的工作人员。

最后,整个分享结束,现场工人人员和各位嘉宾都辛苦啦。

微软在越来越放开,融合各种技术,并且自己也在支持多种技术的融合和创新。

转载请注明出处:
http://blog.fens.me/meeting-ms-ignite-20210318

打赏作者