Microsoft Ignite Tour 第一天个人记录

• 一、前言
• • 1. 厂区环境
  • 2. 饮食
  • 3. 商业合作和展出
• 二、分享内容
• • 0. THR30030 - 开发人员AI指南：一个数据故事
  • 1. AIML10 - 通过AI了解非结构化数据
  • 2. AIML20 - 使用预先构建的AI解决业务难题
  • 3. AIML30 - 开始构建速度超乎想象的机器学习模型
  • 4. AIML40 - 利用Azure机器学习最佳做法升级模型
  • 5. AIML50 - 机器学习操作 - 将DevOps应用到数据科学
• 三、个人感想
• • 1. 关于微软
  • 2. 关于会议本身
  • 3. 关于机器学习和工业界的结合
• 结语：一些题外话
• • 1. 新的伙伴
  • 2. 今后的方向
  • 3. 前进的动力
  • 4. 认证考试

一、前言

嗨大家好，首先感谢大家能够看我这篇博客，首先声明这篇博客并不是广告，而算是我写给实验室同学和师弟师妹们的一个分享，今天是2019年12月10日，也就是 Microsoft Ignite Tour 的第一天，第一次走进国家会议中心，有幸能够注册参加了本次学习，通过这次学习学到了不少关于 Microsoft Azure 对于AI的一些应用和贡献，希望能够带来一些内容和感受分享给大家。

1. 厂区环境

所有的学习内容和讨论活动都在国家会议中心举行，也就是鸟巢旁边，整个厂区环境非常非常大，每个小会议室都有专人看门，需要胸卡（带磁）才能够进入

2. 饮食

有一点值得令人注意的是本次活动是全程免费的，而且好像是微软这个活动的首次免费，其中包含了早餐，午餐，休息场所，免费咖啡，唱吧等等，既有工作设施，又有娱乐设施，晒一下厂区免费的午餐（一人份米饭，一个香蕉，一份小凉菜，一碗鸡汤，一份土豆牛肉，一份炸鱼，两小个红豆包）：

还有厂区的免费下午酒水和糕点（可乐，红酒，啤酒，橙汁，小饼干，小零食等等）：

全程都有免费热咖啡（这些东西对我这种穷学生简直是天上福利），从这里还是看出来Microsoft还是挺硬气的，第一天全程免费还能够提供质量如此高的服务真的不容易，不过人数确实比我预想的要少一些。

3. 商业合作和展出

本次学习活动展出了一些微软的商业合作，包括罗技科技，Manage Engine，东方瑞通等等，去参加之后扫描二维码关注可以得到小礼物~（解锁了Manage Engine的小蘑菇和东方瑞通的小帆布袋）

同时微软还为开发者们设置了公开的学习机会，包括与专家之间的沟通交流，Azure的线上免费学习机会和与微软开发者讨论交流的机会。

二、分享内容

今天的主要学习内容都是和AI或者ML相关的主题，内容大致有五节课，除此之外还有前面的一节小的介绍：

0. THR30030 - 开发人员AI指南：一个数据故事

发言人：David Smith
时间：08:50-09:05，共15分钟
地点：Theater 1

本次课的主要内容是通过一个数据故事引出我们本次学习的主角：Microsoft Azure， 用极短的时间简单的介绍了AI是如何在Azure上实现的。

1. AIML10 - 通过AI了解非结构化数据

发言人：Alex Zhao
时间：09:15-10:15
地点：Hall 4

Alex Zhao通过一个例子引出结构化和非结构化问题：我们日常生活中所用到的表单（电子发票，pdf文档，tiff文档等）很多都属于非结构化数据，这些数据的特点在于所有的不同种类的元素都没有单独的进行规划和整理，导致了计算机在处理非结构化数据中造成的困难，而我们需要做的就是将所有的非结构化数据转化成整齐的结构化数据进行处理，利用MS Azure中的认知搜索功能就可以在短时间之内理清所有的非结构化数据。

上图中左侧可以理解为非结构化数据，右侧为结构化数据。
利用Azure的另一个优势就是，所有的这些处理非结构化数据的代码都可以在jupyter里边一页写完并且完美运行，如果临时出现了新的表单，我们完全可以将这些表单添加到输入当中再遍历一遍就可以得到相应结果，据主讲人所说利用极少的训练集就足够产生合理有效的结构化信息。

研讨会资源中心：aka.ms/AIML10（点击进入）
Github上研讨会代码：aka.ms/AIML10repo
所有活动的研讨会资源：aka.ms/mymsignitethetour
交互式学习资源：aka.ms/AIML10MSLearnCollection

2. AIML20 - 使用预先构建的AI解决业务难题

发言人：David Smith
时间：10:45-11:30
地点：Hall 4

Tailwind Traders公司是一家数据驱动型公司，该公司设计的购物网站要求用户输入一张图片，返回该图片中所包含的商品并直接链接到购买界面（拍立淘？？？？），同时，该网站还需要在用户购买某件商品后在其主页对用户进行商品推荐。

那么在这个过程中涉及到三个东西：

1. 卷积网络实现商品分类
2. 迁移学习有针对性地针对商品进行训练
3. 推荐系统

如何利用这三个东西进行系统化整体化的网站建设是本节课讨论的问题

研讨会资源中心：aka.ms/AIML20（点击进入）
Github上研讨会代码：aka.ms/AIML20repo
Github上研讨会代码：aka.ms/AIML21repo
所有活动的研讨会资源：aka.ms/mymsignitethetour

3. AIML30 - 开始构建速度超乎想象的机器学习模型

发言人：Alex Zhao
时间：12:30-13:15
地点：Ballroom B

本节研讨会继续利用Tailwind Traders的例子讲述如何在即使无任何数据挖掘或者机器学习知识的前提下也能够快速的构建机器学习模型，利用到了MS Azure的可视化机器学习环境搭建，利用搭积木的方式一步步的将输入、输出、模型、评估等元素用类似思维导图的方式连接起来，非常的方便。这样就使得即使是毫无机器学习背景的人只要有数据就可以搭建属于自己的机器学习模型。

研讨会资源中心：aka.ms/AIML30（点击进入）
Github上研讨会代码：aka.ms/AIML30repo
所有活动的研讨会资源：aka.ms/mymsignitethetour

4. AIML40 - 利用Azure机器学习最佳做法升级模型

发言人：Jing Wang
时间：13:45-14:30
地点：309AB

本次研讨主要探讨了自然语言处理（NLP）的问题，主讲人利用Tailwind Traders的数据为例，主要探讨了NLP中的Sentiment分布的问题，可以通过MS Azure制造出可以判断情绪表达的量级以及在语句的具体位置的模型，从而使企业能够在大量数据的背景之下得到更为精确的用户评价。

（同时这一节也是我拍照拍的最多的，因为确实不是我的领域，需要学习的东西还有很多啊）

与此同时！这一节中还有一个比较让我“要素察觉”的东西，主讲人说出了目前也是我遇到的几个challenge

1. 环境依赖问题：不同的项目在学习过程中需要用到不同环境，有时环境的配置错误会对结果造成很大影响。
2. 跨队协作的问题：你的团队可能是跨国团队，可能只能线上交流，如何在这个情况下进行有效的学习。
3. 数据和计算管理：在微软的Azure平台中训练尤其明显，如何合理调度数据和训练的优先级。
4. 合理性和可解释性：（不好意思这个有些记不清了QAQ）
5. 分布式训练问题：如何将数据喂给多个GPU进行分布式训练

其实本来我想听她说说第一个有没有好的解决方法（估计说了也是Azure牛逼~），主讲人只说了第五个分布式训练的问题。仍然是利用Azure构建机器学习模型能够解决这个问题。

研讨会资源中心：aka.ms/AIML40（点击进入）
Github上研讨会代码：aka.ms/AIML40repo
所有活动的研讨会资源：aka.ms/mymsignitethetour

5. AIML50 - 机器学习操作 - 将DevOps应用到数据科学

主讲人：David Smith
时间：15:00-15:45
地点：Hall 4

本课程主讲人继续利用引例Tailwind Traders讲述如何使用Azure DevOps和Azure 机器学习服务将DevOps做法应用于其机器学习项目。其介绍了对版本控制模型的自动训练、评分和存储、将模型打包在Docker中，就可以将其部署到Azure容器实例中了。

研讨会资源中心：aka.ms/AIML50（点击进入）
Github上研讨会代码：aka.ms/AIML50repo
所有活动的研讨会资源：aka.ms/mymsignitethetour

三、个人感想

1. 关于微软

首先感谢微软能在北京提供这么一次交流学习的机会，这也是我本身作为一个穷学生第一次参加这种类型的会议。不过今天我才知道原来微软在全球的销售额中，中国其实才占很小一部分（1%？），可能是因为我们现在用的都是盗版系统吧。。。
但是本身微软作为一个全球性的大公司，它对于人才的选拔是非常严格的，可以说现在的微软，如果没有几篇好的顶会顶刊论文支撑自己是很难进去的，能够在里边发光发热，为世界创造未来的人们真的是需要我们在精神上学习的对象。

2. 关于会议本身

本次会议整体来看是让我觉得非常成功的，一方面它提供了AI于Azure的相关介绍，吸引了大批的像我一样的参会者前来学习（只要有AI的展区都要排队，反观旁边的展区。。。），另外一方面它给了像我一样的普通硕士生一个更加了解微软的机会，可以说是真的非常非常良心了。
同时会议本身有两个让我有点小失落的地方，一个是毕竟是微软的工业应用性质的学习机会，少不了对自家产品的推荐，所有关于AI的研讨基本都是基于Azure；另一个是它只是泛泛的介绍了整个的流程，并没有对其中的一些算法进行理论上细节上的分析，这也是我觉得非常可惜的，也许是会议要求需要这样做吧。

3. 关于机器学习和工业界的结合

之前参加MLA（中国机器学习及其应用探讨会）的时候，邀请了学术界和工业界的人上台作了报告，今天参加的Tour就带有强烈的工业性质，机器学习的发展离不开其对于工业界的大量应用；换句话来讲如今的机器学习让人们如此疯狂正是因为人们认为背后有巨大的利益在推动着它，我们平时在学校还是需要多往外走走，多去参加一些这样的会议，以来能够丰富见识，二来真的能够收获到不一样的东西。

结语：一些题外话

1. 新的伙伴

本次学习让我认识了很多新的伙伴，其中就有联想的Adam大哥，静姐，还有主讲人Alex Zhao，与这些工业界的前辈聊天真的能够收获不一样的风景，我也希望实验室的师弟师妹们今后有这样的机会还是要做争取，多珍惜。

2. 今后的方向

今后无论是从研究方向还是实习，还是希望自己能够多多贴切工业界的实际需求，毕竟单纯的做理论或者纯学术研究并不能真切地带来实际价值，还是需要以后能够多多学习。

3. 前进的动力

嗯。。。两个字

4. 认证考试

这是微软的一个认证考试，单纯考的话需要付费，但是参会人员有免费名额，有兴趣的同学可以关注一下：

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！