Azure ML: jouw belangrijkste data in overzichtelijke modellen

Stel je voor dat je een fietsverhuurbedrijf hebt. Je wilt weten hoeveel fietsen worden verhuurd tijdens wat voor weer, met welke windsnelheden, op welke dagen en tijdstippen.  Azure Machine Learning bevat een uitgebreid stappenplan om deze gegevens op te slaan en om te zetten naar gemakkelijk te analyseren data.

In deze whitepaper komen dan ook diverse voorbeelden aan bod om zelf deze data te organiseren in de Microsoft cloud. Zo staan er verschillende voorbeeldmatrixen in. Hierin kan je de codes van je fietsverhuurbedrijf overzichtelijk naar data coderen en categoriseren. Door middel van grafieken, kleuren en tabellen wordt de informatie over het aantal verhuurde fietsen op specifieke jaargetijden en weersverwachtingen direct visueel.

Via de verschillende links in  de whitepaper test je gemakkelijk zelf welk model bij jouw bedrijf en de bijbehorende gegevens past. Zo helpt Azure Machine Learning je bij het inschatten van het aantal fietsen dat je volgende maand verhuurt.

In de Azure ML staan diverse kant- en klare datasets klaar die de codes van jouw bedrijf kunnen omzetten in waardevolle informatie. Als je niet bekend met het gebruik van de programmeringstaal (de zogenoemde R-taal), verwijst Azure ML je naar handige hulpprogramma’s, die je direct zelf kunt downloaden.

Als je al meer ervaring hebt in het gebruik van R- taal, toont het Execute R Script Model  hoe je hier nog meer variabelen aan kan toevoegen. Naast windsnelheden plaats je bijvoorbeeld ook de codes voor hoeveelheden neerslag of bewolking in je model.

Als je eenmaal die belangrijke gegevens hebt verkregen en omgezet naar data, is het van net zo’n groot belang om deze veilig op te slaan. En zo bijvoorbeeld de privacy van de fietshuurders te waarborgen. Daarom geeft Azure je tenslotte ook slimme tools en tips om data en privacygegevens binnen je bedrijf goed op te bergen.

Aan het einde van de whitepaper ben je dankzij Azure ML zelf in staat om:

• Codes en data in een veilige cloud op te slaan
• Deze oplossingen direct toe te passen als webservices
• Data in diverse modellen en grafieken in een breed schaalbare cloud uit te laten voeren
• Die omgezette data verbreden met zogenoemde R- taal