#sqlsatTorino #sqlsat400 May 23, 2015 AzureML - Creating and Using Machine Learning Solutions Davide

#sqlsatTorino #sqlsat400 May 23, 2015 Sponsors

#sqlsatTorino #sqlsat400 May 23, 2015 Organizers

#sqlsatTorino #sqlsat400 May 23, 2015 Davide Mauri  Microsoft SQL Server MVP  Works with SQL Server from 6.5, on BI from 2003  Specialized in Data Solution Architecture, Database Design, Performance Tuning, High-Performance Data Warehousing, BI, Big Data  President of UGISS (Italian SQL Server UG)  Regular SQL Server events  Consulting & Training, SolidQ    Blog:

#sqlsatTorino #sqlsat400 May 23, 2015 Agenda  Machine Learning, uats dat?  Supervised & Unsupervised Methods  Tool e Linguaggi  Esperimenti On-Premises  Azure Machine Learning  Integrazione di AzureML nelle applicazioni

#sqlsatTorino #sqlsat400 May 23, 2015 MACHINE LEARNING Uats dat?

#sqlsatTorino #sqlsat400 May 23, 2015 Machine Learning  Algoritmi che apprendono dai dati  Niente di nuovo dal punto di vista scientifico  "Field of study that gives computers the ability to learn without being explicitly programmed“ , Arthur SamuelArthur Samuel  In Italiano: «Apprendimento Automatico»  Nome meno bello ma più vicino alla realtà  Richiede *molta* potenza di calcolo (anche per Not- So-Big Data)  Azure, here we come!

#sqlsatTorino #sqlsat400 May 23, 2015 Machine Learning  Molto, molto, molto, molto utile per  Identificare pattern sconosciuti e non “umanamente” identificabili  Ad es. in spazi multi-dimensionali (da un punto di vista matematico e pratico, sono oggetti con cui ci relazioniamo tutti i giorni)  Identificare correlazioni nascoste  Es. relazioni di causa/effetto per identificare frodi, eventi specifici (rottura di un pezzo)  Classificare in automatico insiemi di dati  Es. autore di provenienza di un testo, sentiment analysis, pattern recognition  Anticipare il futuro basandosi su conoscenza passata  Es. Analisi delle tendenze di prezzi, stock, costi

#sqlsatTorino #sqlsat400 May 23, 2015 Machine Learning  Ci sono due (ma alcuni le dividono in cinque!) grosse categorie  Supervised Learning  Unsupervised Learning  Supervised: agli algoritmi viene insegnato qual è il risultato atteso  Unsupervised: gli algoritmi identificano in autonomia le regole / i pattern

#sqlsatTorino #sqlsat400 May 23, 2015 Linguaggi  Linguaggi comuni ed utilizzati attualmente  R (MS ha appena acquisito Revolution Analytics)  Pyton (Scikit-Learn – pron: “sy-kit learn”)  In ambito.NET  Infer.NET  us/um/cambridge/projects/infernet/ us/um/cambridge/projects/infernet/  F#   working-with-machine-learning-in-f working-with-machine-learning-in-f  Azure ML  Net# - Linguaggo specifico per Reti Neurali Artificiali

#sqlsatTorino #sqlsat400 May 23, 2015 AzureML  “Democratize Machine Learning”   Gratis (“Free Tier”) per dati fino a 10GB e per attività di test/sviluppo  Sviluppo di esperimenti e pubblicazione degli algoritmi tramite Web API / Service

#sqlsatTorino #sqlsat400 May 23, 2015 Tool  R + RStudio  IDE free per R, molto ben fatto   Anaconda Python  Distribuzione di Python con tutti i package necessari per fare Data Science   PyTools For Visual Studio  Estensione per sviluppare con Python con Visual Studio  Team di sviluppo assorbito da AzureML 

#sqlsatTorino #sqlsat400 May 23, 2015 ESPERIMENTI ON-PREMISES Flower Power!

#sqlsatTorino #sqlsat400 May 23, 2015 IRIS Dataset  Disponibile presso il sito UC Irvine Machine Learning Repository   150 classificazioni di fiori “iris”  3 classi: Virginica, Versicolor, Setosa  4 feature (dimensioni): Sepal Width & Length, Petal Width & Length  Uno dei set più famosi  Una classe linearmente separabile  Le alter due classi NON sono linearmente separabili

#sqlsatTorino #sqlsat400 May 23, 2015 IRIS Dataset

#sqlsatTorino #sqlsat400 May 23, 2015 DEMO IRIS Dataset

#sqlsatTorino #sqlsat400 May 23, 2015 AZURE MACHINE LEARNING

#sqlsatTorino #sqlsat400 May 23, 2015 Azure Machine Learning   Azure ML Studio  Web application per lo sviluppo dei modelli  Processo di sviluppo  Experiment  Score  Evaluate  Publish

#sqlsatTorino #sqlsat400 May 23, 2015 DEMO Azure Machine Learning Studio

#sqlsatTorino #sqlsat400 May 23, 2015 INTEGRAZIONE CON APPLICAZIONI CUSTOM

#sqlsatTorino #sqlsat400 May 23, 2015 Web Endpoint  Azure Machine Learning permette di creare un endpoint web per invocare l’algoritmo di ML da applicazioni custom  Protocollo basato su JSON  Insieme al web service viene creato anche  Pagina di Help  Endpoint per chiamata singola  Endpoint per chiamata batch

#sqlsatTorino #sqlsat400 May 23, 2015 DEMO Custom Application

#sqlsatTorino #sqlsat400 May 23, 2015 Valutazioni  Sessione   Conferenza 

#sqlsatTorino #sqlsat400 May 23, 2015 THANKS! SPEAKERSCORE #sqlsatTorino #sqlsat400