Наверняка все наши читатели уже слышали о машинном обучении и знают, чем эта дисциплина может быть им полезна. Но если вам по какой-то причине не доводилось сталкиваться с этим термином, перейдите по ссылке на страницу Википедии и прочтите статью о машинном обучении: https://en.wikipedia.org/wiki/Machine_learning.

Разумеется, речь там идет об искусственном интеллекте и тому подобных предметах, о которых у нас нет четкого представления. Но помимо прочего в статье говорится следующее:

«Машинное обучение тесно связано с вычислительной статистикой, которая также исследует проблемы составления прогнозов с помощью компьютеров. Оно связано и с математической оптимизацией — дисциплиной, обеспечивающей эту сферу исследований методами, теоретическими построениями и областями применения. Машинное обучение иногда объединяют с интеллектуальным анализом данных; при этом последнее из перечисленных направлений, известное как неконтролируемое обучение, предполагает больший акцент на эксплоративный анализ данных. Машинное обучение тоже может быть неконтролируемым и использоваться с целью изучения и установления базовых поведенческих профилей для различных объектов с последующим выявлением содержательных аномалий.

В сфере анализа данных машинное обучение представляет собой метод, применяемый для построения сложных моделей и алгоритмов, на основании которых можно строить прогнозы; в области коммерции такое его применение известно как прогнозирующая аналитика. Эти аналитические модели дают возможность исследователям, специализирующимся на изучении данных ученым, инженерам и аналитикам получать надежные, отвечающие требованию воспроизводимости решения и результаты, а также выявлять скрытые закономерности с опорой на исторические отношения и тенденции, обнаруживаемые в данных».

Отсюда можно сделать вывод, что аналитические модели могут помочь нам в выполнении работы, которой мы занимаемся каждый день. Ведь часто одна из самых сложных проблем сводится к тому, чтобы определить отношения между задачами, элементами содержимого и даже между группами людей. Поскольку машинное обучение базируется на математических основах, эта дисциплина обладает более широкими возможностями в данной сфере и способна решать задачи с высоким быстродействием.

Наряду с другими поставщиками миллионы выделенных для проведения научно-исследовательских работ долларов затрачивает на разработку затронутой нами темы и корпорация Microsoft. Какое же отношение имеет эта тема к проблемам разработки Office 365 и SharePoint?

В число компонентов бизнес-платформы Office 365 входит Office Graph, интеллектуальная виртуальная структура, применяющая машинное обучение для установления взаимосвязей между людьми, объектами и контентом (см. материалы по адресу: https://graph.microsoft.io/en-us/ и https://graph.microsoft.io/en-us/graph-explorer).

Однако под внешней оболочкой базовый продукт Azure Stack оперирует целым набором так называемых когнитивных служб, которые вы можете взять на вооружение в ходе разработки. Чтобы воспользоваться этими службами, вам нужно прежде всего зарегистрироваться на портале Azure Management. Для этого требуется зайти на сайт https://portal.azure.com и найти там раздел Cognitive Services (экран 1).

 

Раздел Cognitive Services на портале Azure Management
Экран 1. Раздел Cognitive Services на портале Azure Management

Далее щелчком мыши добавьте новую службу, после чего вам будет предложен ряд настроек для вашего экземпляра данной службы (экран 2).

 

Это не вся статья. Полная версия доступна только подписчикам журнала. Пожалуйста, авторизуйтесь либо оформите подписку.
Купить номер с этой статьей в PDF