po Flashcards
visao computacional
O Azure Computer Vision é um recurso do Azure que oferece recursos de treinamento e previsão.
Ele não fornece a capacidade de criar modelos, nem permite explorar e visualizar conjuntos de dados
Treinamento de modelo
Para treinar um modelo de classificação, você deve fazer upload de imagens para seu recurso de treinamento e
rotulá-las com os rótulos de classe apropriados. Em seguida, você deve treinar o modelo e avaliar os resultados do treinamento.
Você pode executar essas tarefas no portal do Custom Vision ou, se tiver a experiência de codificação necessária,
pode usar um dos kits de desenvolvimento de software (SDKs) específicos da linguagem de programação do serviço Custom Vision.
Multiclasse uma-vs-todas
Este artigo descreve como usar o componente Multiclasse Um contra Todos no Azure Machine Learning Designer.
A meta é criar um modelo de classificação que possa prever várias classes, usando a abordagem um contra todos.
Esse componente é útil para criar modelos que preveem três ou mais resultados possíveis, quando o resultado
depende de variáveis de previsão contínuas ou categóricas. Esse método também permite usar métodos de classificação
binária para problemas que exigem várias classes de saída.
Detecção de objetos
A detecção de objetos
é semelhante à marcação , mas a API retorna as coordenadas da caixa delimitadora (em pixels) para cada
objeto encontrado na imagem. Por exemplo, se uma imagem contiver um cachorro, gato e pessoa, a operação
Detetar listará esses objetos com suas coordenadas na imagem. Você pode usar essa funcionalidade para
processar os relacionamentos entre os objetos em uma imagem. Também permite determinar se há várias instâncias
do mesmo objeto em uma imagem.
detecção de idioma no Serviço Cognitivo do Azure para Linguagem
A detecção de idioma é um dos recursos oferecidos pelo Serviço Cognitivo do Azure para Linguagem,
uma coleção de aprendizado de máquina e algoritmos de IA na nuvem para o desenvolvimento de aplicativos
inteligentes que envolvem linguagem escrita. A detecção de idioma pode detectar o idioma em que um documento
é escrito e retorna um código de idioma para uma ampla variedade de idiomas, variantes, dialetos e alguns
idiomas regionais/culturais.
Esta documentação contém os seguintes tipos de artigos:
Os guias de início rápido são instruções de introdução que orientam sobre como fazer solicitações ao serviço.
Os guias de instruções contêm instruções de uso do serviço de maneiras mais específicas ou personalizadas.
Modelo pré-criado de extração de expressões-chave
O modelo pré-criado de extração de expressões-chave
identifica os pontos principais num documento de texto. Por exemplo, no texto de entrada “A comida era deliciosa
e o atendimento foi ótimo!”, o modelo apresenta os principais pontos de conversa: “comida” e “ótimo serviço”.
Este modelo consegue extrair uma lista de expressões-chave a partir de documentos de texto não estruturados.
Análise de sentimento
serviço cognitivo
O recurso de análise de sentimento fornece rótulos de sentimentos (como “negativo”, “neutro” e “positivo”) com
base na pontuação de confiança mais alta encontrada pelo serviço em um nível de frase e documento. Esse recurso
também retorna pontuações de confiança entre 0 e 1 para cada documento & frases dentro dele para um sentimento
positivo, neutro e negativo.
Detecção Facial
O serviço de Detecção Facial do Azure fornece algoritmos de IA para detectar,
reconhecer e analisar rostos humanos em imagens. O software de reconhecimento
facial é importante em muitos cenários diferentes, como verificação de identidade,
controle de acesso sem toque e desfoque de rosto para maior privacidade.
Verificação de identidade: verifique a identidade de alguém em relação a um cartão de ID emitido
pelo governo, como um passaporte ou carteira de motorista ou outra imagem de registro. É possível
usar essa verificação para conceder acesso a serviços digitais ou físicos ou recuperar uma conta.
Os cenários de acesso específicos incluem a abertura de uma nova conta, a verificação de um trabalho
ou a aplicação de uma avaliação online. A verificação de identidade pode ser feita uma vez quando uma
pessoa é integrada e repetida quando acessa um serviço digital ou físico.
Marcação de imagem
A análise de imagens pode retornar tags de conteúdo para milhares de objetos reconhecíveis, seres vivos,
cenários e ações que aparecem nas imagens. As tags não são organizadas como uma taxonomia e não possuem
hierarquias de herança. Uma coleção de tags de conteúdo forma a base para uma descrição de imagem exibida
como linguagem legível por humanos formatada em frases completas. Quando as tags são ambíguas ou não são de
conhecimento comum, a resposta da API fornece dicas para esclarecer o significado da tag no contexto de uma
configuração conhecida.
Categorias dos Serviços Cognitivos
Visão
Fala
Linguagem
Decisão
O que são os Serviços Cognitivos do Azure
Os Serviços Cognitivos
do Azure são serviços de IA (inteligência artificial) baseados em nuvem que ajudam você a criar inteligência
cognitiva em seus aplicativos. Eles estão disponíveis como APIs REST, SDKs de biblioteca de cliente e interfaces
de usuário. Você pode adicionar recursos cognitivos aos seus aplicativos sem precisar das habilidades de IA ou de
ciência de dados. Os Serviços Cognitivos permitem criar soluções cognitivas que podem ver, ouvir, falar, entender
e até tomar decisões.
Categorias dos Serviços Cognitivos
Os Serviços Cognitivos podem ser categorizados em quatro pilares principais:
Visão
Fala
Linguagem
Decisão
Imagem Digitalizada
Imagem Digitalizada pode potenciar muitos cenários digitais de gestão de ativos (DAM). A DAM é o processo de negócio
de organização, armazenamento e recuperação de ativos de media ricos e gestão de direitos e permissões digitais. Por
exemplo, uma empresa pode querer agrupar e identificar imagens com base em logótipos visíveis, rostos, objetos, cores,
e assim por diante. Ou, pode querer gerar automaticamente legendas para imagens e anexar palavras-chave para que sejam
pescandizáveis. Para obter uma solução DAM tudo-em-um utilizando serviços cognitivos, Azure Cognitive Search e relatórios
inteligentes, consulte o Guia de Acelerador de Soluções de Mineração de Conhecimento em GitHub. Para outros exemplos da DAM,
consulte o repositório de modelos de solução Imagem Digitalizada.
Visão Personalizada
A Visão Personalizada do Azure é um serviço de reconhecimento de imagem que permite criar,
implantar e aprimorar os próprios modelos identificadores de imagem. Um identificador de imagem
aplica rótulos a imagens de acordo com as características visuais. Cada rótulo representa uma classificação
ou um objeto. Ao contrário do serviço Pesquisa Visual Computacional, a Visão Personalizada permite que você
especifique seus rótulos e treine modelos personalizados para detectá-los.
O Serviço de Visão Personalizada usa um algoritmo de machine learning para analisar imagens. Você envia grupos
de imagens que tenham ou não as características em questão. É você quem rotula as imagens com os seus próprios
rótulos personalizados (marcas) no momento do envio. Em seguida, o algoritmo treina com esses dados e calcula
a própria precisão se testando com as mesmas imagens. Depois que você treinou o modelo, pode testá-lo, retreiná-lo
e, eventualmente, usá-lo em seu aplicativo de reconhecimento de imagem para classificar imagens ou detectar objetos.
Você também pode exportar o próprio modelo para uso offline.
estruturador do Azure Machine Learning
Azure Machine Learning designer é uma interface de arrastar e largar usada para treinar e implementar modelos
em Azure Machine Learning. Este artigo descreve as tarefas que pode fazer no designer.
Para começar com o designer, consulte Tutorial: Treine uma regressão sem código modelo.
Para saber mais sobre os componentes disponíveis no designer, consulte o Algoritmo e a referência componente.
Previsão de série temporal
Criar previsões é uma parte integrante de qualquer negócio, independentemente de ser para receita, inventário,
vendas ou demanda do cliente. Você pode usar o ML automatizado para combinar técnicas e abordagens e obter uma
previsão de série temporal de alta qualidade recomendada. Saiba mais com este guia de instruções: machine learning
automatizado para previsão de série temporal.
Um experimento de série temporal automatizado é tratado como um problema de regressão multivariada. Os valores de
série temporal passados são “dinamizados” para se tornarem dimensões adicionais para o regressor junto com outros
preditores. Essa abordagem, diferentemente de métodos de série temporal clássicos, tem uma vantagem de incorporar
naturalmente muitas variáveis contextuais e a relação delas entre si durante o treinamento. O ML automatizado aprende
um modelo único, mas geralmente ramificado internamente, para todos os itens no conjunto de dados e horizontes de previsão.
Assim, mais dados estão disponíveis para estimar os parâmetros de modelo e se torna possível fazer generalizações para
séries não vistas.
AutoML (machine learning automatizado)
O machine learning automatizado, também conhecido como ML automatizado ou AutoML, é o processo de automatizar as
tarefas demoradas e iterativas do desenvolvimento de modelo de machine learning. Com ele, cientistas de dados,
analistas e desenvolvedores podem criar modelos de ML com alta escala, eficiência e produtividade, ao mesmo tempo
em que dão suporte à qualidade do modelo. O ML automatizado no Azure Machine Learning se baseia em uma inovação de
nossa divisão do Microsoft Research.
