The improved Azure Log Analytics: A powerful query language with machine learning, and more

>>> 우리는 여기에 갈거야 와 주셔서 다시 한번 감사드립니다

내가 gathan ghilani이야, 리드는 푸른 로그 분석에 로그인합니다 당신에게 자신의 배경뿐만 아니라 제품의 우리를 부여하려면 이다, 시작 나는 시스템 센터했다 다음 그리고 그것은 작동 공간은 꽤 기본적으로 내가 시작이 부분에 대한 작업 것, 애플리케이션 통찰력, 얼마나 많은 당신이 잘 알고있는 응용 프로그램 통찰력? 꽤 많은, 아주 좋아 우리는 응용 프로그램의 통찰력을 증가되면서, 우리는 시작 우리가 가진 인프라의 확장에 문제를 가져 오기 그 당시 나는 일을 시작 에, 당신은 지금까지 이름 기품을 hearded있다? 우리가 막 시작 마이크로 소프트에서 분석 플랫폼에 로그이었다

우리가 시작 로그 분석 플랫폼, 우리는 응용 프로그램이 있었다 인사이트, 우리는 위에 작업을 시작하는 응용 프로그램의 통찰력을했다 마이크로 소프트에서 로그 분석 플랫폼입니다 마이크로 소프트의 플랫폼입니다 널리 성공 나는 성공의 특권이었다 우리는 지난 2 년 동안 거의 지난 2 년 동안 겪었어요 그리고 기본적으로 우리는 응용 프로그램 통찰력 분석 착수 약 일 년 전 어떤 해당 플랫폼의 상단을 기준으로합니다

그리고 올해 초 기지 우리는 말을 통해 가기로 결정 이봐,의이 같은 강력한 기능을에,에 제공 할 수 있도록 우리의 로그 분석에 대한 외부 고객 즉, 여행은 여기에 로그 분석 플랫폼을 시작하는 방법입니다 그것은이 제품 전반에 걸쳐 나의 여행이었다 >> 나는이 공간에 대한 꽤 열정 그리고 난 먹고 싶어 같은 열정과 지역 사회 채택의 같은 종류의 우리 너무 외부 커뮤니티, 외부 고객, 그래서 기본적으로 우리가에서, 푸른 생각, 시작하기 우리가 관리에 대한 생각의 관점, 우리는 생각 모든 푸른에 내장되어 있습니다

보안 및 관리 구축 푸른 속으로 그리고,이 전체 스택을보고 나는 어디에서 로그를 보여 드리겠습니다 분석, 클라우드 관리 기능의 전체 스택 여기에서 나는 우리가 가지 덮여 있다고 생각 전반적으로이 회의 전반에 걸쳐 보안의 의 구성을 보호, 적용 및 모니터 공간 그리고 오늘 모니터 공간에, 우리는 실제로 더 파고 것 로그 분석 공간 >> 그리고 당신은 로그 분석의 관점에서 우리의 성장을 보면, 우리는 우리가 섭취하는 데이터의 측면에서 엄청난 성장을 보았다 이것은 우리의 외부 플랫폼입니다

우리는 데이터를 섭취있다 우리의 관점에서 지난 한 해 동안 엄청난 성장을 보았다 우리가 섭취하는 데이터의 양 우리는 사람들을보고 계속 거기에 해당 제품의 제한 값을 얻기 그리고 당신은 전체적인 관점에서보고 시작할 때, 어디 맞는 및 응용 프로그램의 장소의 모니터링 종류 인사이트, 로그 분석 및 푸른 모니터 종류의 한가운데에 거기에 앉아 당신에게를 제공합니다 의 다른 측면 푸른에서 실행되는 서비스는, 그것을 응용 프로그램, 인프라의 여부를 확인합니다 당신은 운영 체제 로그, 가상 머신 또는에서 로그를 얻고 여부 로그 네트워킹, 맞죠? 그 모두에 펌핑 로그 분석 플랫폼에 섭취

그리고 우리는 통찰력 응용 프로그램 통찰력 또는에서 오는했다 모니터링, 거기 밖으로 통찰력에서 할 수있다 당신은 상관 관계 및 데이터의 상단에 풍부한 통찰력을 생성 할 수있다 그것이 그렇게 만 가능 만 가능합니다, 우리는 한 번 우리가 오늘이 로그 분석 플랫폼과 같은 플랫폼을 가지고있다 당신은 주변 생태계의 일부를 보면 로그 분석에서 공간, 관점, 어서 – 세 가지 주요을 이 약 로그 분석의 관점에서의 양상은, 생각 무슨 일이 실제로뿐만 아니라, 마이크로 소프트 내에서 작동하도록 사람들을 끌었다 응용 프로그램 통찰력에 마이크로 소프트 외부, 우리는있어 로그 분석 V2에서 같은 채택을보고 요새 정말이 상호 교환 성이다 그리고 쿼리 언어의 표현력

강력한 쿼리 언어하는 간단하면서도 매우 강력한입니다 내가 간단한 말을하는 이유는 그것의,이다 같은 견적 인용을 끝내 SQL 그것은 관계형 구조를 가지고 그곳에 그것은 배관을 adomts 대부분의 로그 분석을 제공하는 구조 당신은, 헤이의 관점에서 데이터를 생각하기 시작 여기 내 데이터 세트, 큰 데이터 세트입니다

파이프를 그리고 당신은 그것을 필터링 할 수 있습니다 를 집계, 다시 파이프를, 아마를 필터링 할 수 있습니다 다시 집계 그러니까 기본적으로, 당신이 시작하는 경우 그 관점에서 대한 생각과 쿼리에 대해 생각하고, 쿼리를 좁히기 훨씬 더 간단합니다 당신이 생각하면 대 큰 데이터 공간을에서 SQL 관점에서 쿼리, 는 SQL 공간을 작성, 당신의 전모에 대해 생각해야 당신은 무엇을하려고 노력하고 있습니다

사람들은 쿼리 시작 언어 모두의 모국어이었다 왜 SQL 없습니다 우리는 그것을 사용하기 시작하자마자, 그것은 SQL보다 훨씬 더이었다 그것은있는 구조를 가지고 거기, 당신은 그것의 관계 구조가에 묶여 이해하는 데 도움이 배관 구조의 종류를 사용하면 아주 많이 도움이됩니다 그리고 우리는 또한 스마트 분석의 종류에 내장되어 있습니다 당신은 우리가 건물을 시작했다가 그 기능을 볼 수 있습니다 언어 그것 SL 속으로

예를 들어, 패턴 어디서 시간 내에 기계 학습 물건을 할 개시 시리즈 분석 기능 우리는 퍼팅 시작 경우 언어 물건은 더 강력한 확인합니다 그리고 우리는 우리가 가지고있는 유연한 통합을 계속 모든 솔루션과 당신이 여기에서 볼 수 생태계와 오늘 섭취 관점에서 탐사 관점과 솔루션을 제공합니다

전체 생태계가 모든 유연한 통합이 아직도있다 우리가 통과로 그리고이 생태계는 매우 강력한된다 우리는 푸른 관점에서 생각할 때, 맞죠? 다른 로그 분석 공간에 대해 생각할 때, 당신은 할 수있다 그것은 푸른 풍부한 생태계의 동일한 세트가되지 않습니다 적이 귀하의 관리에 대한 전반적인 제공한다 이 경우, 우리는 부자가 있는 자체 솔루션은 통찰력이 제공하는 보안 및이 감사 솔루션을 제공합니다 와이드 데이터 네트워크 성능, 로그 분석의 기반으로 구축 안티 – 악성 코드,

당신은 다른 보면 소스 우리는 데이터를 섭취 할 수 물론 모니터링 에이전트, 경우 우리는 가지고있다 리눅스 또는 윈도우이든, 전제 또는 기타 온 – 프레미스 창 또는에있는 시스템 리눅스 머신 그리고 당신은 또한 풍부한을 제공 탐사 경험, 푸른 포털의 설정 당신은 거기에 웹 로그 분석 포털이이이다 그 중 일부는 우리가 너희들에게 새로운 될 것입니다 뭔가 서비스지도, 탐험의 모든 푸른 모니터링이 필요합니다 그리고 우리는 당신이 또한 밖으로 데이터를 얼마나, 그래서 당신은 당신은 양방향 전원을 공급할 수 있습니다, 당신은 또한 응용 프로그램에 대한 통찰력을 가질 수 있습니다 커넥터

다른 방법은 BLOB 저장소에 내보낼 수 있습니다 거기 밖으로 생태계 그래서 매우 강력한 풍부한 어떻게 거기에 도착합니까? 맞아, 다른 측면인가? 우리는 기존 된 로그 분석 플랫폼에 있었다, 우리 이 로그 분석 플랫폼, 스위치에 도착하고 싶었 그리고 그것은 매우 어려운 때를 우리가 확인해야하는 스위치에 대해 생각 시작합니다 우리는 괜찮에 대해 생각해야 여기에 우리가 새로운 언어를 소개하고, 기존의 언어입니다 우리는 어떻게 보드에 고객은 새로운 언어 어떻게해야합니까? 그리고 그것이 실제로 매우 집중적 인 사고 과정과 우리는이를 통해 가고 있었다로서 우리가 가진 집중 논의 여행

우리가 원하는 것들 중 하나 모두에 뒤집어 얻을처럼 우리는, 헤이해야했다 마십시오 같은 시간은 미리보기가 나란히 측면에서 실행 한? 그런 것들 우리는 거기에 많은 것들에 대해 이야기했다 우리가하고 싶었던 것은이었다 아니 기다려야하지만, 모든 일을 기다릴뿐만 아니라 방법이 사용자에게 아주 쉽게 새로운 언어를 소개합니다 그래서 우리는 그렇게 일찍 쉽게 새로운 언어를 소개하고 싶었다 사람들이 사용할 수있는, 그들은 문서에 익숙 학습 곡선을 줄일 수 있도록 그들은 언어를 스스로가를했습니다 당신이 전환을 통해 갈 때, 우리는 확실히하고 싶어 연속성, 맞죠? 이 오른쪽 키입니까? 당신은 충분한 시간을 갖고 싶어

그리고 난 도로지도를 통해 갈거야 나중에 기본적으로 우리는 기본적으로 시작했다 언젠가 개인 미리보기 5 월이다 그리고 우리는 공공 통해 갔다 8 월 미리보기 사용자를위한 충분한 시간을주기 끌어 올렸 시작합니다 그리고 우리는 또한 많이했다 업그레이드로 기본적으로, 우리가 할 수있는, 기능 업그레이드 로 이전 쿼리를 변환 우리가 기본적으로 수, 제공 새로운 쿼리

거의 완벽 나는, 당신이 볼 수 있듯이 우리가 시뮬레이션 실행을했던, 일을 생각한다 우리가 시뮬레이션 할 때 우리는 거의 99 시뮬레이션 변환 변환의 재료는 우리가 99 이상을 변환 할 수 있었다 말할 수 있습니다 모든 문제없이 작업 공간의 그래서처럼 그런 식으로 – 아주, 또한 사용자가 사용하기에 매우 간단합니다 물론 우리는 계속 과정에서 의견이

우리가 도달하기 위해 어떤 핵심이었다 우리는 어디에서 오늘입니다 난 당신이 먼저 업그레이드 경험을 보여 드리겠습니다 그리고 우리는 몇 가지로 갈거야 그리고 다시 올 또한 프리젠 테이션 그래서하자 여기 전환합니다 또 많은 노력이있다 메이크업이 경험 때문에 원활한로 사라지다

그래서 내가이 테스트 작업의 종류이다 여기에 많은 데이터를 가지고 있지 않았다 그러나 당신이이 중 일부를 볼 수 있습니다 오래된 – 거기에 기존의 플랫폼입니다 현재 데이터의 종류를 볼 수 있습니다 여기에 갈 수 있습니다

종류의 당신은 데이터가 단지 언어입니다 보여줍니다 당신은 당신이 여기에 기존의 언어에 익숙 알고있다 그래서 당신이 거기에 기존의 언어 구조입니다 볼 수 있습니다 그리고 우리가 그것을 호출하고 기존 작업 공간 또는 기존 작업 공간입니다 당신도 거기에 검색을 저장합니다

또한 수 기본적으로있는 저장 검색의 일부입니다 어느 또한 무고한 기존 언어 영장으로 그들에 대해 생각하십시오 그래서이 거기에있는 모든 저장 검색입니다 그래서 여기에가는 사람은, 여기에 다시 작업 공간으로 이동합니다 당신은 배너가 지금 기본적라는 배너를 볼 수 있습니다 시작에서 자동 휴식을 기다리지 않습니다 말한다 계획과 지금 자세한 내용을 확인하고 업그레이드 할 수 있습니다 그래서 바로 여기에 배너를 클릭, 당신은 기본적으로 얻을 버튼, 당신이 알고있는 당신에게 새로운 대해 뭔가를 알려줍니다 플랫폼

그리고 기본적으로 말한다 – 업그레이드 지금 그리고 그것은 당신이해야 할 전부입니다 당신이 업그레이드되면, 그것은 않습니다 기본적으로 무엇을, 뒤에서, 간다, 당신의 언어와 쿼리와 다른 모든 변환 새로운 형식으로 그리고 지금 짜잔, 당신은 새가 언어 우리가 가진 당신은보고, 우리가하지 않았다 이 버튼을 이전 웹 로그 분석을 참조하시기 바랍니다

이제 우리는 분석이 단추 대시 보드는 내가 할 수있는, 계속 내가 전에했던 같은 방법으로 드릴 다운 그리고 거기 당신은 간다 대시 보드의이 같은 종류를 볼 수 있습니다 여기를 클릭 할 수 있습니다

그리고 지금 당신은 새로운 언어입니다, 참조하십시오 으악 또한, 우리는 유산을 가지고 언어 변환 즉 명 꽤 멋진 끌어 올렸 시작합니다 그것은 헤이 이제 꽤 멋진 지금 당신이 기존의 언어 변환기를 가지고있다

어디서 끌어 올렸 시작할 수 있습니다 당신은 이전의 경험을 가지고 있지 않은 경우에도 시작할 수 있습니다 타자 난 그냥 넥타이를 말할 수 푸른 활동을 같음 하자에 의하여 수를 측정 수준을 말한다 그래서 내가 여기 이전 형식에서이 언어를 입력했습니다

나는 Enter 키를 누르거야 최대한 빨리 Enter 키를 누르십시오, 당신 같은 볼 수, 그것은 또한 하단에, 새로운 언어로 변환 그리고 물론 우리는 자동으로 실행되지 않습니다 우리는 당신이 버튼을 클릭합니다 그래서이 경우에 – 우리는 단지 버튼을 클릭하여 실행 이 새로운 구조

그래서 지금은 그게 정말이야 강력한 오른쪽? 그래서 기본적으로 당신은 하나가 버튼 업그레이드를 clickdy 그것은 모든 것을 업그레이드 모두를 , 모든 경고, 모든 컴퓨터 그룹이 모든 물건을 검색 모두를 대시 보드는 모든 뷰는 새로운 언어로 업그레이드되었습니다 당신은 다른 작업을 수행 할 필요가 없었다 그냥 하나 개의 버튼이 경우 클릭합니다 너희들은 바로, 아주 좋은, 어떻게 생각하십니까? [박수] >> 그리고 그냥 내가 여기에 다시 갈거야, 내가 거짓말 아니에요 있는지 확인하기 위해, 나는 바로 여기, 저장 검색에 갈거야

그리고 당신이 참조 저장 기존의 언어가 있었다 검색합니다 나는 새로운 언어의 지금 의미한다 이 경우 보자 이것은 거기에 세이브 검색입니다 그 하나를 클릭하고, 짜잔, 그것은 새로운 언어입니다

그래서 지능이 많이 들어가서 그리고 우리가 모든 것을 변환 할 방법을 알아 내려고 노력 물론 우리가하지 않을 수 일부 코너 케이스가있을 것입니다 할 수있다 우리가 한 것을 가지고 이유가 우리는이 될 것 몇 가지 오류가 있었다 알고 있었다 우리는 사람들이 알고 있는지 확인하려면, 그래서이 경우에는 결과를 확인하지 마십시오, 그것은 어느 날, 당신이에 결과를 볼 수 있습니다, 7 일 지속될 수 있습니다 지속됩니다 케이스 이제, 우리는 또한있는 것으로 확인 이 사전 분석 버튼을 오른쪽

이 사전 분석이 버튼 또한,이 사전 분석 오늘에 당신을 데려 갈 것이다 웹 로그 분석 포털 당신은 잘 알고 있다면 응용 프로그램 통찰력 포털, 그것은 당신에게 분석 포털을합니다 그것은 당신의 데이터를 탐색 할 수있는 매우 강력한 방법입니다 이 푸른에없는 사람들은 왜 나 한테 물어이 가장 빠른 방법이었다 그것을 얻기 위해 그것은 푸른에 와서, 그러나 잘됩니다 이제이의이 노출하자 말을 우리를 위해 가장 빠른 방법이었다 기능 우리가 있습니다

고객에게 가장 빠른 방법 및 그리고 우리는 또한, 통합과 푸른에 다시 물건을 가져 시작합니다 다른 것은 내가, 내가로 이동합니다되었다 지적하고 싶었 사용자가 입력 할 수있는 등의 강력한 기능과 물건의 일부 여기에 모든 쿼리에 너무 하지만 난 당신에게 보여줄 것이다 웹 로그 분석 포털,도 난 당신이 보여주고 싶은 무엇 사실 우리는 또한 수행 한 작업은의가 있는지 볼 수 있도록 우리 여기있어 – 그래 우리는 또한 새로운 사이트를 개설 정말, 우리쪽으로 언어와의 힘을 음식 우리가 내부적으로 있었다 전원을 켭니다

우리는 우리가 외부에 있는지 확인하고 싶다 당신은 매우 풍부하다이 문서를 가지고있다 예와 자습서,와 언어와 그것은 매우 풍부,있다

나는 당신에게 그 중 일부를 보여 드리겠습니다 그리고 실제로, 또한 몇 가지를 시도 할 수 있도록합니다 난 내가 튜토리얼에 갈 수 배우고로 이동합니다 그리고 당신은 내가를 볼 수 있습니다 여기 자습서 및 거기에 다른 기능을합니다 시작하기가있다

내가에 갈 수있는 여기에, 예를 들어, 그것은 기본적으로 갈 것 여기에 분석 포털 이상 내가 보여주고 싶은 좋은 점 당신은의 여기에 볼 수 있도록되어있다 당신이 기본적으로 할 수있는 일은에서, 우리가이 모든 예를 들어, 당신은 쿼리 실행 버튼을 볼 수 있습니다 당신은 생성 할 수있는 작업 공간을 필요로하지 않습니다 당신은에 아무것도 필요하지 않습니다 생성

당신은 자신을 그것을 밖으로 시도 당신은 쿼리를 실행하고 스스로를 시도 할 수 있습니다 그래서 언어를 배우기 시작하는 것은 매우 강력합니다 그래서 내가 여기에 예를 들어 당신을 보여 드리죠 여기에

쿼리를 시작하기 바로 여기에 실행 쿼리 난 그냥 쿼리를 실행합니까거야 이리 과 당신이 볼 수 등의 데모 종류 거기하는이 그것은에 간다 작업 공간

그리고 당신은 데이터 권리를 얻을 수 있습니다 이 거기에 데모 작업 공간입니다 그래서 이것은 당신이 탐구하고 배울 수있는 매우 강력한 방법입니다 언어, 심지어 실제로이 경우 작업 공간을 업그레이드하지 않고 또는 공간에 작업 공간을 만들 수있는없이 당신은 많은 실험을 할 수 있습니다 그것 거기의 데모 데이터로부터 데이터를 가지고 있습니다

어떤 당신과 함께 재생할 수 있습니다 이 제한에가 없습니다,이다 이 데모 환경을 제공합니다 기본적으로 당신은 어떤 유형을 실행할 수 있습니다 우리는 당신이 당신의 지불 작업 영역에서 실행할 수있는 실행 쿼리, 당신은 여기를 실행할 수 있습니다 그래서 그것은 또한, 내장 된 사례가 있습니다 그래서 보여 드리겠습니다

있는 예제의 일부 그곳에 당신은 볼 수 있습니다 여기 예 응용 프로그램 통찰력 예를 들어, 분석 예를 로그인합니다 예를 많이 있습니다 권리? 그래서 당신은 거기에 예를 많이 볼 수 있습니다

그래서이 경우, 시간당 테이블 당 개수의 차트를 살펴 보자 여기에, 같은 일을 볼 수 있듯이, 그리고 당신은 쿼리를 실행할 수 있으며, 그것은 바로 것 – 바로 거기에 테이블의 차트 나는 차트를 변경할 수 있습니다 이 경우 줄이 더 의미가 있습니다 의 말을하자

당신은 스택을 볼 수 있듯이 이 경우에 따라, 더 많은 데이터가 응용 프로그램입니다 이 경우 통찰력 어쨌든, 아이디어는 것이 었습니다 당신이 학습을 시작하기 위해이 예는, 또한, 거기에 수 언어를 학습 우리는 또한 할거야 무엇, 아마 내가 당신의 도움이 모든, 또한, 우리가 만들려고하고 필요 사람들이 예를 업로드 할 수 있습니다이 예 그리고 우리는의 한 부분으로이 예제를 특징으로 시도하려는 우리의 제품, 최종 제품의 경험을 사람들이 할 수 있도록 우리는 이제 예제 사람들의 몇 가지를 살펴 보자 수, 헤이 말 사람들이 실제로 기여하고 있음을, 실행하고 있습니다 어떤에서 정말 유용하게 정말가는 사회를 받고 약관

그래서 우리는 정말 싶어 커뮤니티 외부도 가고 그래서 확실히 더보기 이 공간의 주위에 투자 그러나 예제의 톤이있다 당신이 당신의 쿼리를 배우기 시작하는 데 사용하는 다른 공부를 시작 할 수 있다는 것을 그것의 측면 우리는 외부 환영 이 일에 기여 그래서는 기본적으로 부부였다 우리가 덮여 도우미 도구를 제공합니다

여기 프리젠 테이션 괜찮아 그래서 몇 가지 알려진 문제가있다 우리 웹 사이트 자체에 게시했다 그래서 당신이 세부 사항에 갈 수 있습니다 하지만 난 그들 중 일부를 강조하고 싶어

OMS에있어 내 대시 보드 기능이 될 것입니다 업그레이드하면 읽기는 읽기 전용이됩니다 나는 당신의 많은 뷰 디자이너와이 참석 어떻게 생각 내가 생각하는 세션 어제 그것을했다? 당신의 그 참석? 좋아, 하나, 몇 가지 그러나 기본적으로 사람들은 보기 디자이너와 푸른 대시 보드를 사용하는 것이 좋습니다 OMS 포털되는대로 내 대시 보드뿐만 아니라, 멀리 가고 사실 모두를 이동하는 등의 푸른한다 그래서 OMS 포털에서이 모든 것이 푸른에서 사용할 수 있습니다

경고를 제외하고 개인 미리보기에 실제로있는 및 나는 또한 당신에게 그것을 보여 드리죠 검색 API 얼마나 많은 당신은 여기 검색 API를 사용? 로그 검색 API를? 많은 수 없습니다 하지만 오늘은 거기에 로그 검색 API로 대체됩니다 , 그것은 훨씬 더 유연하고 로그에 대한 강력한 API를 거기에 웹 로그 분석 API를 당신이 알고 그래서, 우리는 계획을 시작 을 사용하기 위해 올해 말까지 검색 API를 마이그레이션하려면 새로운 API

우리는 새로운 이동됩니다 플랫폼 전원 양방향 통합,가 우리가이 물건을 시작했을 때 한계의 많은 우리가 들었다 거기 년대 powerbi 통합에 제한이 많이 있습니다 OMS에서 오늘, 우리는 훨씬 더 강력한 powerbi로 대체하고 바탕 화면 나는 우리의 데모에서 당신을 보여 드리죠 당신은 powerbi

Com이다 게시하고 공유 할 수 있습니다 내용에서 훨씬 풍부한 시각화, 또한, 내가 말해야한다 이 다른 변화, 이 있었다 파괴 변화이며, 일부는, 그들은 아니에요 즉, 많은 사용자들이 그것을 사용 그러나 인공 지능하자 사용하고있다 웹 갈고리와 규범집, 우리는 형식을 변경했다 응답 형식 때문에

주요 이유는 한 우리는 그 upgrate이 새로운 언어를 graiding 있습니까, 새로운 API 응답 형식은 달랐다 오히려 이전에 고집 이상 형식, 우리 모두가 새로운 이동 있는지 확인하고 싶었 가능한 한 빨리 형식 그게 내가하고 싶은 다른 일이 부르다 다른 알려진 문제가 있습니다 또는 우리가 앞으로 가서 우리가 게시 한 것을 거기 FAQ를 자세히 설명합니다 나는 우리가 그를 업데이트해야 할 수 있습니다 생각합니다

하지만 난 우리가 캡처 한 생각 우리는 공공 미리보기에서 한 시간 동안 그것의 대부분 나는이 모든 생각 이 캡처 피드백은 대단히 긍정적이다 나는 우리가 실제로 그 개인 미리보기 동안 말할 수 있습니다 사이드는 굵은 글씨로, 우리는 업그레이드하지 마십시오 말했다하지 마십시오 생산 작업 공간 하지만 아는 사람들은 내가 말했다, 옵션을하지 않았다

그들은 사람들을 얻고 싶었다 나는이 새로운 기능을 원했다, 기본적으로 말했다 그것은 새로운 언어에서만 사용할 수 있습니다 그리고 그들은 업그레이드 않았다 우리는 그들을 지원했다 사실 우리는 실제로 많은 고객에 성공했다 rmsit 등을 포함,이 과정을 통해 갔다

MSIT 새로운 쿼리 언어 인에서 당신은 피드백을 볼 수 있듯이 멋진 번개 빠른입니다 앞서 기본적으로 광년 우리는 이전했다 이 반영되었습니다 플랫폼을 사용하고 활용이다 다른 사람 하는 기능 여기에 기본적으로 업그레이드 경험의 또 다른 예 오른쪽 원활한이었다 당신은에서 볼 또 다른 인용 해안, 그들은 응용 프로그램 통찰력 사용자이었다

그리고 그들은 항상 요구했다, 이봐, 때 OMS가오고있다? 나는 새를 사용하는거야 또한 언어 그리고 한 번 우리는 물건을 시작했다 바로 갔다처럼 그들은했다 거기에서 말했다 이봐, 생산, 그것은 개인의 아니에요 미리보기, 우리는 여전히 그것을 통해 노력하고 있습니다 그리고 그들은 아니, 우리가 원하는 말했다 그래서 사람들은 그것을 채택 시작 매우 빠른

그래서 우리가 가진 약 200 플러스 개인 미리보기에서 업그레이드 된 작업 공간 우리는 매우 고객으로부터도 긍정적 인 반응을 verks있어 지금까지 그래서 새롭게 개선 된 무엇입니까? 내가 몇 가지를 이야기하자 이런 일 하나는 강력한 쿼리 언어입니다 나는 그것에 대해 이야기했다

이제 시간 필드 추출을 검색했다 당신은 당신이 할 수있는 열을 계산했다 당신은 당신의 솔루션을 통해 상관 관계를 할 수 있습니다 당신은 당신의 솔루션을 통해 데이터를 가입 할 수 있습니다 사실 난 당신이 업데이트 할 수 있습니다 말을 여기에 슬라이드를 updade한다 작업 영역에서 데이터

나는 또한 당신에게 그것을 보여 드리죠 이 풍부한 데이터 문자열 데이터 시간 함수와 연산자가 있습니다 또 다른 측면은 기본적으로 사전 운영자입니다 우리가 시작하면 시작으로, 사전의 일부보고 이 테이블에 가져 오는 힘을 인식하고 있습니다 이 경우, 시계열 분석 당신이 함께 할 수있는 가 시계열의 수백

이 정상 기능의 정상 시계열을 알아보십시오 또는 기계 학습 작업은, 우리는 당신에게 몇 가지를 표시 할 수 있습니다 자동 클러스터링 또는 리프트 패턴과 같은 사람들 거기에 일련의 작업이 있습니다 나는 메이크업 설정처럼, 너무, 당신은 그 중 일부를 표시하거나에 목록을 만들 수 있습니다 어떻게 설정에서 작동합니다 웹 로그 분석 포털은 매우입니다 도구 자체의 측면에서 강력한

나는 그것을 쿼리 캔버스 전화 당신은 당신의 코드로 쿼리를 처리합니다 그리고 당신은 당신이있을 때 생각 쿼리를 작성, 당신은 IntelliSense를, 여러 줄 편집이 그리고 그것은이 진단을 클릭, 당신에게 풍부한 시각화를 제공하며, 기능은 내가 당신을 그뿐만 아니라 보여 드리겠습니다 그리고 우리는 또한 대시 보드 및 전망을의 풍부한 세트를 가지고 당신이 고정 할 수 있습니다 푸른 대시 보드를이든 만들 수 있습니다 이 powerbi하는 푸른 대시 보드 및 수출에 쿼리, 보기 디자이너는 실제로있다 및 통합은 이제있다 논리 응용 프로그램으로, 사실 난과의 통합을 당신을 보여합니다 로직 애플 리케이션 더 많은, 거기에 더 많은는 표시합니다 나 행동에 당신이 중 일부를 보여 드리겠습니다

나는되었습니다 다른 작업 공간을 그것은 더 많은 데이터가 소매 IT 인 업그레이드 그곳에 당신은 볼 수 있습니다 작업 영역 – 나는 전환하지 않았다 이 도움이 될 것이다 이 업그레이드되어 볼 수 있듯이, 그것은 훨씬 더 많은 데이터를 가지고있다 그것은 거기있는 모든 솔루션을 제공합니다

여기에 모든 것을 볼 수 있도록 그들은 모두, 노력하고 있습니다 그래서 무엇을 내가 여기 할 것입니다 것은이 경우에, 또한 당신은 갈 수 있습니다 여기에서 분석 포털 오른쪽을 통해 이러한 타일의에서의 클릭 수 있으며, 그것은 것입니다 그 전에 작동 같은 방법으로 작업 할 수 있습니다 그것은 당신의 뷰 디자이너보기를 제공합니다 당신은에 클릭 할 수 있습니다 검색보기를 기록하고 당신이 원하는 경우도 분석에 클릭 그 관점에서에, 그래서이있다 그것은 같은, 동일한 방법입니다

그래서 단지의 일부를 표시합니다 고급 기능을 실제로 어떻게 날 수 있도록하겠습니다 무엇 먼저 그에서, 한 가지 내가 당신을 보여주고 싶은 않도록해야합니다 이 경우, 당신의 로그 검색 우주는 당신이 가지고있는 기능을 그대로 계속 작동합니다 그래서 기본적으로 당신은 당신이하는 모든 다른 물건을 계속 사용할 수 있습니다 측면에서 이전에 사용하고, 여기를 클릭 알고 예를 들어 그것은 그대로 계속 작동합니다 와 기능을 가진 네가 가진 그래서 모두 같은 일을 계속하는 당신은 그것에 대해 걱정할 필요가 없습니다

내가 통과로 나는 당신에게 전원 BI 및 다른 것들을 보여 드리겠습니다 고급 분석, 그것은이 두 곳 모두에서 사용할 수 있습니다 당신을 보여줍니다의 고급 분석에 클릭하자 이었다 쿼리와 포털 고급 분석을 엽니 다 이 선택했습니다 그것은 단지 포털을 엽니 다 그리고 당신을 위해 그 쿼리를 실행 이 경우 나는 쿼리를 열 것 내가 여기에 저장했습니다

당신은 저장된 쿼리를 사용할 수 있습니다 그리고 당신에게 기본적인 몇 가지를 보여 우리는로 이동 고급 물건 내가 바로 진행으로? 이러한 측면은 그렇게 아주 기본적인 당신 같은 것들 중 하나를 명중 나를 즉시, 먼저 보여 드리죠 이제 참조하면 작업 공간은 세부 사항으로 이동해야합니다 당신이 볼 다른 일들이 바로, 기본적으로 테이블입니까? 지금 즉시 당신이 가지고있는 데이터의 유형을 알고있다 그래서 신비 아니다 종류의 당신이 가지고있는 데이터를 투영하려고, 그래서 그것은 그것은 당신이 같은 쿼리 및 것들에 대해 생각에 쉽게 만듭니다

그리고 당신은 검색을 할 수 있습니다 당신이 모르는 경우 예를 들어, 자료 이 경우,의에 대해 생각해 봅시다 보안 이벤트로이 즉시 내가 당신과 같이 입력을 시작으로 이 아래로 물건을 좁혀 볼 수 있습니다 그리고, 그것을 문맥을 알려줍니다 거기에 무엇 당신 종류를 알려줍니다

그래서 IntelliSense를 매우이다 강한 당신이 볼 수 있듯이, 그것은 당신을 알려줍니다 테이블의 컨텍스트 저 그도를 보여 그것을 보자 내가 맥락에서 위치를 수행 할 때 이제 100을 말한다 당신이 어디에서 무엇을 할 수 그것은 당신을 보여줍니다 여기서 난 후에, 기본적으로는 넣을 수있는 필드 이름입니다 그것은 당신의 테이블의 모든 필드 이름을 넣습니다

즉이있다 의 시간이 생성 말을하자 내가 할 자마자 시간이 생성됩니다 그것은 저를 줄 것이다, 그것은 나에게 줄 것이다 다시 내가 여기서 생성 시간에 무엇을 할 수 있는지 그리고 동일 말한다

당신은 볼 – 당신이 볼 수 거기에 기능, 맞죠? 어디 간 이동을 할 수 있습니다, 날짜 및 시간, 거기에있는 기능 그것은 거기에 기능의 강력한입니다 의는 이동을하자 그리고 이것은 바로, 매우 흥미도? 내가 한 시간, 1 시간, 2 시간을 이동처럼 당신은 리터럴을 사용할 수 있습니다 그것은 아주 쉽게, 시간은 우리가 필드를 보냈다

당신이 사용할 수있는 유형입니다 그래서 난 그냥 가서 말을 할거야 한 시간 그리고 계산합니다 그냥 계산하고 그것은 당신에게의, 계정의 수를 제공합니다 거기에 기록은, 내가 한 시간 이동합니다 괜찮아

그래서 기본 가지 종류의 IntelliSense를 중가는 받고 시작합니다 지금은 약간에 예민, 내가 무엇을 모르는 경우 바로 테이블 이름,? 이 경우 내가 사용할 수 있습니다 검색 명령 나는 그 명령을 검색해야 모든 필드, 모든 테이블에서 검색, 당신은 거기에 테이블 이름을 알 필요가 없습니다 내가 거기를 검색 할 수 있습니다 그리고 검색 명령을 입력합니다

같은 것 나는 결과를 얻을 것이다, 같은 당신이 OMS 포털에서 본 것, 당신을 검색 페이지를 기록 이 경우 결과를 얻을 경우 여기에 같은 일을 볼 수 있습니다 괜찮아? 당신이 표시되지 않습니다, 난 경우 생각 나는 그것이, 그것을 확대 축소, 그것은 종류의 그것 때문에, 화면을 정지 거기에 오는 당신에게 결과를 표시하지 않습니다 당신이 볼 이유는 그래서입니다 그냥 매우 간단합니다, 당신은 할 수 있습니다

검색은 실제로 매우 강력하다 훨씬 더 강력한 당신보다 너무 앞서 있었다 그래서 기본적으로 당신은 지금 검색 할 수 있습니다 대소 문자 구분 당신은 당신이 할 수있는, 용어 검색을 할 수 하위 문자열 검색을 수행 당신은 특정 필드를 할 수 당신이 원한다면 검색 할 수 있습니다

당신은 모든 종류의 작업을 수행 할 수 있습니다 조합은 당신이 검색을 위해 할 싶었습니다 그래서 나는이 모든 것을 통해 갈 아니지만, 아주이다 이 강력한 나는 문자를 구분하는 경우에 당신을 보여 드리죠 소문자 구분에 대한 질문을 많이 가끔 있었다 내가 대소 문자를 구별 할 수 있습니까? 질문 최초의 사람들이 있었다이다 언어 대소 문자를 구분하지? 하지만 난 파고 때 질문, 실제 문제는 내가 실제로 정말 어이, 수 있었다 검색 대소 문자를 구분 용어, 맞죠? 즉, 다른 형태였습니다 거기

이 경우, 절대적으로 당신을 수, 거기 분야에 의해 당신은 그것을 볼 수 있습니다 나는 낮은 경우에 뒀다 여기에,하지만 당신은 소스를 얻을 시스템 혼합 된 경우와, 그렇지? 당신은 대소 문자를 구분 사용할 수 있습니다 또한, 검색 할 수 있습니다 우리가 다른 강력한 것입니다 실제로 구문 분석합니다

그래서 우리는 여러 가지 방법을 사용하면 데이터를 분석 할 수 있습니다 나는 모든 통과하지 않을거야 그들의 우리는 구문 분석, 추출, 분할이 당신이 방법을 수있는 방법의 수를 가지고있다 여기 당신이 하나 또는 두 가지 예를 보여줍니다 그래서 종류의 당신에게 힘을 준다

내가 뭘하고 있어요 것은 기본적으로 프로젝트는 특정 필드를 선택하고 그 투사에 불과하다 그래서 기본적으로 당신에게 해당 필드를 표시합니다 그래서 나는 그것이 무엇을 보여 드리겠습니다 당신이 볼 수 있듯이, 활동 분야 활동 ID와 설명이 있습니다 그리고 기본적으로 내가 그 필드를 위로 끊었다

이제 두 개의 필드로 어떤 활동 ID와 활동에 대한 설명입니다 그것은 하나 개의 필드했다 나는 구문 분석 문을 사용하여 쉽게 두 개의 필드로를 끊었다 당신이 사용할 수있는 구문 분석 문은 간단한 구문 분석했다, 거부 내가의 분리와 구문 분석을 한 경우 대시를 추측 그런 다음 나는 두로 분할

지금은이 새를 만들 때 열 활동 ID 및 활동 설명이라고, 내가 지금 할 수있는 실제로 집계에서, 동일한 열을 사용합니다 여기 당신에게 예를 보여 드리겠습니다 그래서 여기, 내가 실제로 새 열을 만드는거야 하지만 난 여기 집계의 일부로 사용하고 있습니다 괜찮아

이 여기 볼, 정지 나는 새로운 인덱스를 만들 필요가 없었어요 최대한 빨리 새 열을 만들 때, 나는 그것을 내가 원하는 방식으로 사용할 수 있습니다 그냥 기본 컬럼있다 그리고 이것은 매우, 매우 강력하다

당신은 원격 측정에 들어오는이없는 때마다가 있기 때문에 시스템, 당신은 실제로 일류 열 또는 사물에 대한 지식의 종류가 당신은 만들 수 있음 당신은 문자열의 일부로서 멋 부리다 수 있습니다 당신은을 추출 할 수 있도록하려는 일부 집계을 그것은 또는 원격 측정 약 나는이 여기에 매우 강력 생각합니다 지금은 들어가기 시작하면 다른 것들입니다 여기에 몇 가지 고급 기능을 찾고 있습니다 당신이 볼 수 있도록로서, 것들 중 하나는 내가 밖으로 전화를하고 싶었 난에서의 cursorer을 배치 할 때 나는 즉시, 쿼리를 선택하고 있지 않다 쿼리

그것은 종류의 쿼리를 실행합니다 그래서 당신을 알려줍니다 그 쿼리의 문맥, 분리한다 새로운 라인으로 그래서 우리는 또 다른 아주가 강력한 구조 그 땅 함수 호출이는하자 문이다 다른 것은 당신이 내 쿼리에 의견이있는 것으로 나타났습니다

그래서 당신이 실제로 지금 당신의 쿼리에 주석을 달 수 있습니다 당신이 공유하고 그것을 더 강력하게 댓글, 당신의 사람으로 동료와 쿼리는 쿼리를 사용, 그들은 당신은 또한,이 경우 뭘 하려는지 이해합니다 그리고 우리는 당신을 수 있습니다 이러한하자 문이 그 관점에서 매우 강력한 쿼리를, 소외 내가 쿼리에서 모듈 형 기능을 할 수 있습니다 지금 말하는 것은 관점과 내 쿼리의 일부에 그를 다시 사용합니다 따라서이 경우, 나는이 누락 된 것을 컴퓨터 보았다 마지막 세 가지 업데이트에서 업데이트, 그들은 여전히 업데이트 누락 여부? 시나리오는 경우, 일반적으로 이 업데이트는 지난 주에없는 그들은 여전히 ​​누락 업데이트 여부 의 쿼리를 수정할 수, 일곱 일, 난 생각합니다

다음 다른 쿼리를 실행하고 당신이 메이크업 세트로, 볼 수 있듯이 나는 또한 쿼리에서 한 것이었다 무엇 makeset 한 일은 컴퓨터의 집합을 만들 기본적으로 그것은 내가 말할 것 고유 목록의 고유 아무것도 없습니다 그래서 거기에 컴퓨터의 목록은 기본적입니다 거기에 고유 한 컴퓨터

지난 주부터 그래서 그리고 컴퓨터가 여전히 이번 주 업데이트 누락되었는지를 바라 보았다 이 경우 같은 컴퓨터 이 모든 이전 수 없었습니다 여기에 또 다른 예는 내가있어 같은, 같은 예이다 탐지 항목을 보면, 난 컴퓨터 여부를 찾고 있어요 그들이이 있는지, 보안 탐지 오류를 가지고있는 사람이었다 이 경우 로그 사람을 실패 여부

내가 당신에게 조인의 측면에서 다른 하나를 보여 드리죠 내가 갈거야이 쿼리를 실행하기 전에 조인의 모든 종류의 바로 사용 가능한, 여기 말? 안티는 내부, 내부, 어 오른쪽 외부, 왼쪽으로 왼쪽 방지 할 수 그 거기 AMT 기능의 모든 종류가 있습니다 거기에 수백만 개의 레코드, 즉 가능한 곳에 갈 수 이 경우 그리고 당신의 힘을 사용할 수 있습니다 그 힘은 조인과 언어는 데이터 세트를 통해 이동합니다 그래서 내가 뭘하는지,이 경우 나는 기본적으로 실제로 모든 목록을 찾고 있어요 업데이트 누락 된 컴퓨터

컴퓨터 이제 모든 목록이 업데이트 누락되었고, 또한 높은 수준의 보안 탐지를 발견했다 당신이 볼 수 있듯이, 그들은 업데이트 누락, 또한 그들이 있었다 있었다 높은 보안 경고 권리? 이 붉은 깃발에서의 종류 컴퓨터가없는 경우 시나리오의 관점은, 헤이 대답 업데이트, 그들은이 경고를 생성하고 있습니다 당신은이 좋지 않다 알고있다 그들은 즉시 패치를해야하기 때문에

그리고 그것은 당신에게 실종 된 업데이트 목록을 알려줍니다 또한이 경우 해고 된 경고의 목록입니다 해고 된 의심스러운 활동의 경고 이 경우 권리? 조인에 따라서 매우 강력한 기능, 당신은 지금 볼 수 있습니다 당신은 이전에 불가능했던 시나리오를 수행 할 수 있습니다

그것은 당신의 업데이트로, 보안 이벤트에서 물건 관련된이든 또는 변경에서 보안 추적 그래서 당신은 아주 쉽게 다른 소스를 관련에 대해 생각할 수있는 지금 괜찮아 즉 기본적으로의 이동 그래서 내가 당신에게 한 번 더 검색 시간을 표시로 거기 추출 필드

그래서의 일부를 커버 있었다 이전 기능 의 매우 간단하게 당신을 보여 드리죠 여기 할 것입니다 난 내가 뭘하는지 보여 줄게 아주 간단하게, 내가 한 일은 내가 SLA 위반이라는 열을 만들었습니다 시간이 촬영 한 경우에 기반 10,000보다 큼

레코드의 수를 계산 말 즉 이상 만했다 SLA 충족합니다 그리고 내가 미만 10,000 걸리는 시간 보았다 그리고 나는 SLA 인덱스를 만들었습니다 그런 다음 그 인덱스를 추적하고 있습니다 그 관점에서

당신이 볼 수 있듯이, 나는 창조 SLA 인덱스입니다 99이었다 그리고 어떤 곳은 여기 내 SLA 감소했다 당신이 볼 수 있듯이 나는 쉽게이 차트를 고정 할 수 있습니다 푸른 대시 보드

그래서 난이 도표를 고정 할 푸른 대시 보드 그것이 무엇 것은 모두 가져 오려고 시도 그곳에 그리고 난에 차트를 고정 할 수 여기 예를 들어 푸른 대시 보드 의이 하나 살펴 보자 그것은 푸른 대시 보드 차트를 핀

그래서 당신은 푸른에 갈 수 대시 보드 및 차트를 참조하십시오 지금 하지만 날 믿어, 그이있다 괜찮아 이제 여기에 고급 연산자의 일부에 대해 얘기하자

몇 가지 사실은 내가 원하는 당신과 함께 공유 실제로 매우 강력 이는 룩업 테이블을 그래서 우리는 여러 번 내가 어떻게 할 수있는 말 룩업 테이블이 있나요? 지금은이 것이 가능 룩업 테이블을 거기에 우리는 어떻게 그 룩업 테이블을해야합니까? 당신이 볼 수 있듯이, 우리가 뭔가 호출되는 함수 실제로 저장하는 기능을 가질 수 있습니다 이 경우, 내가 무슨 짓을했는지 것은 내가 룩업 테이블을 만든 것입니다 호출 악성 IPS, 난 하나의 전에 있습니다

나는 악성 IP를 가지고있다 악성 IP 룩업 난 그냥 그것을 실행하는 경우, 당신은 내가 거기에 두 가지를 볼 수 있습니다 그러나 그것은 물리적 인 테이블이 아니에요, 사실이 아니다 그러나 실제로 내가로부터 생성 단지 룩업 테이블의 내가 가진 데이터 소스

그리고 지금은 다른 곳 것을 사용할 수 있습니다 그래서 여기 당신에게 조금 보여 날 수 있습니다 나는 실제로 쿼리를 작성하고 저장된 함수로 그것을 사용할 수 있습니다 그래서 예를 들면,의 쿼리를 살펴 보자 즉이있다 나는를 사용하는거야 이다 쿼리 입니다

>> 기본적으로 내가 만들거야 함수로이 쿼리는, 내가 원하는 경우 나는 저장할 수 있습니다 이리 난 그냥 여기에 저장을 클릭 할 수 있습니다 그리고 쿼리를 저장합니다

당신은 내가 할거야 볼 수 있습니다 기능 말을 나는 쿼리를 말하는거야 SLA 쿼리 SLA 그리고 SLA 기능 그래서 지금은 별칭으로 함수로 저장합니다

지금은 어디서든 내가 원하는 해당 쿼리를 사용할 수 있습니다 당신은 어디서든 해당 쿼리를 사용합니다 이 데이터 테이블을 이용하여, 나 룩업 테이블을 생성하는 방법이며 그곳에 나는 무엇이 잘못되었는지 모르겠어요 이리 하지만 난 함수를 작성했다 그 이전은 악성 IP 조회입니다

우리는 나중에 다시 얻을 것이다 이 함수 그런 식으로 작성하는 것은 매우 쉽습니다 그리고 기본적으로 기능이 표시됩니다 여기까지 난 내가했습니다 두 가지 기능을 가지고 생성, 악성 IP 조회 및 계정에 로그온하지 못했습니다 당신은 매우 강력한으로 그 기능을 사용할 수 있습니다 원근법

그런 종류의 당신에게 몇 가지 보여줍니다 그 자체 그것은 매우 강력합니다 당신이 볼 수 있듯이 이제이 중 일부를 살펴 보자 우리가 다른 통합 어느도 매우 유용합니다

그래서 우선 내가 당신에게 전원 BI를 보여 드리겠습니다 완성 전원 양방향 책상 위를 엽니 다 전원 양방향으로 우리는 쿼리를 작성할 수 있습니다 그리고 당신은 내보낼 수 있습니다 쿼리 이 경우 내가 와이어 데이터에 대한 쿼리가 있습니다 그것은 당신에게 나라를 보여주고 당신에게 시간과 총을 보여줍니다 바이트는, 기본적으로 아웃, 그 나라에서 나오는

그래서 데이터 솔루션이 제공하고 IP에 의해 그것을 할, 위도도 경도 그러나 우리가해야 할 일,하자 기본적으로 내 보냅니다 이 힘 BI 쿼리를 보냅니다 그리고 그것이 무엇을 실제로 간단 최종 언어를 생성 스크립트, 그것은 간단한 최종 언어 스크립트입니다 당신은 거기에서 세부 사항에 대해 걱정하지 마십시오

당신이 할 모든 복사 및 이동 귀하 전원 양방향 당신은 데이터를 얻는다 그리고 빈 쿼리로 이동, 다른로 이동합니다 괜찮아 나는 빨리 여기 당신을 보여 드리겠습니다

당신이 모든 그냥 빈 붙여 넣한다 질문 그리고 다 그리고 당신은 전원 양방향으로 데이터를 얻을 바로 여기에 내가 닫고 적용합니다

쿼리는 여기에 사용할 수 있습니다 시각화하십시오 당신은 여기 내 쿼리를 보면 또 경우에, 나는 실제로 준 상대 기간, 맞죠? 시간이 7 일 발생 상대 기간 그래서 전원 양방향 새로 고침을하는 경우, 그것은 항상을 얻는다 현재의 데이터

그래서 아주 간단하게 지금은 힘이있다 동성은, 그래서 내가 어디에 데이터가에서와 외출 말할 수 있습니까? 세계 각국? 여기에서 데이터를 얻을 수 있습니다 많은 데이터가 얼마나 – 당신은 말할 수 전 세계의 외출? 당신은 여기에 볼 수 있습니다 지금 당신은 무엇을 볼 수있는 방향 데이터는 전세계 것입니다 또는 축소 당신은 꽤 강력 것을 볼 수 있습니다

통합 관점에서 이제이를 게시 할 수 있습니다 전원 biCom 거기에 사용자에 따라 공유합니다 그래서 매우 강력 너희들은 꽤, 어떻게 생각하십니까 좋은? [박수] 다른 >> 이제 실제로 다른 통합, 유사 사람들이 묻는 것을 것입니다 – 이봐, 당신도 알다시피, 내가 필요 보고서는 나에게 이메일로 전송

나를 내가 어떻게 할 수 있습니까? 여러 번 당신이 우리 말을 알고 대답을하지 마십시오 그러나이 경우, 우리는 또한 말했다, 우리는 로직 애플리케이션 통합이있다 어디 보자 내가 그 일을 가지고 할 수 있습니다

자, 이것이 당신이 볼 수있는 대시 보드, 그것은이있다 나 논리 애플 리케이션을 살펴 보자 괜찮아 의 논리 애플리케이션을 살펴 보자 나는 내가이 모든 것을 다시했다, 죄송합니다

당신이 있다면 이제 기본적으로 당신은 논리의 응용 프로그램에 대해 생각할 수 로직 애플 리케이션을 잘 알고, 누구? 당신은 논리의 응용 프로그램을 사용했다? 마이크로 소프트의 흐름? 좋아, 일부 그 다음합니다 그래서 기본적으로 당신은 당신의 논리 응용 프로그램 디자이너가 있습니다 아주 간단하게, 당신은 행동의 풍부한를 가질 수있다 로직 애플리케이션에서 이미 사용할 수 있습니다 있는 트리거의 수 가능한, 당신은 거기에 거의 모든 다른 데이터 소스에 연결할 수 있습니다

당신이 볼 수 있듯이, 나는 여기에 재발 활동을했다 당신은 데이터를 볼 수 있기 때문에 재발 여기 활동과 여기에 간단한 쿼리를 실행, 난 잘라 바로 여기 내 기품 쿼리를 붙여 넣을 수 있습니다 그리고 난 파이 차트로 그 렌더링 및 이메일을 보내려고하고있다 아주 간단하게, 내가 그렇게 할 수 있습니다 이 경우에는 매일 않습니다

지금 당장 실행할 수 있습니다 그리고 기본적으로 일을 실행합니다 나는 이메일을 얻어야한다 그래서 실행에 성공했습니다 거기 당신은 간다

어쩌면 내가 응 전망을해야합니까? 당신은 실행 된 볼 수 있습니다 성공적인와 나는 또한있어 보고서 아주 간단하게 지금 당신은 실제로 수 거기에 물건의 모든 종류를 할 논리 응용 프로그램을 사용합니다 아주 간단하게이 경우 당신은 논리 애플 리케이션과 지금을 볼 수 있습니다 그것은 가지에 데이터 통합을 확장하는 것이 가능 다른 곳은 아주 쉽게, 당신은 다른 쿼리를 실행할 수 있습니다 쿼리의 모든 유형을 지원하는 쿼리의 모든 유형, 거기에 아무 문제가 없습니다 당신이 볼 수 있듯이, 결과가있다 아주 간단하게 얻을 수 있습니다 이메일의 결과는 나 또한 이메일로 전송

내가 보여주고 싶은 다른 것은 실제로 우리는 또한 다른 또 다른 멋진 소개이다 내가 생각하는 쿨 커넥터는 부분적으로 내가 원하는, 어제 나타났다 주위 경외 좀 더 세부 사항을 표시합니다 무엇 난 당신이 보여 드리겠습니다 당신이이 여기의 기본적 관점에 대해 생각할 수있는 논리 응용 프로그램은, 논리의 응용 프로그램이 있습니다 나는 여러 번 쿼리를 실행하는거야 당신은 당신의 데이터가 오른쪽 집계 싶어? 예를 들어, 당신은 더 이상 대한 성능 데이터를 유지하려면 시간의 기간 하지만 당신은 유지하고 싶지 않아 원시 데이터입니다 어쩌면 당신은 집계 할 매시간

당신은 데이터를 집계 할 그리고 집계 테이블에 데이터를 넣어 나는 논리의 응용 프로그램을 사용하고 있습니다 응용 프로그램 인사이트에서 데이터를 사용하여 응용 프로그램에 대한 통찰력, 페이지 뷰 데이터에서 사용 데이터 나는에 의해, 페이지 뷰가 국가에 의해 계산 말 쿼리를 실행하는거야 브라우저, 매일은 OMS에서 사용자 정의 로그에 그것을 넣어 괜찮아? 그래서 꽤 강력합니다

여기에 나는이 쿼리를 실행하고 있습니다 어느 기본적으로 나에게 말하고있다 아주 간단하게 나는이 쿼리에서 찾고 있어요 어디 브라우저 및 도시 및 국가에 그것의 페이지 뷰 수와 난 당신이 여기에서 볼 수 있듯이 OMS로,이 데이터를 보내려고하고있다 OMS이 데이터를 보낼 것입니다 I 커넥터가 무엇인지 보여 드리겠습니다

소매를에 연결 SR 당신은 여기에서 볼 수 있듯이 그것은 푸른 로그 분석 커넥터라고 나는이 쿼리를 실행하거나 실제로 쿼리를 실행하고, 매일 않습니다 난 당신의 데이터를 표시합니다 그곳에 데이터는 다시 여기에 온다

어느 에지 브라우저, 도시, 당신도 알다시피 국가 미국 올랜도 즉 특정 데이터를 거기에 페이지 뷰 군 당신은 그것이 집계를 생성 것을 만들어 볼 수 있도록 표, 즉 지금 거기 사실이다 당신은 사용하십시오 그래서 이것은 실제로 매우 강력하다

그래서 지금 당신은 실제로 우리가 바로 이곳이 있는지 확인 할 수 있습니다 이것은 실제로 지금 당신이 실제로 사용할 수있는 매우 강력 당신의 논리는이 데이터 세트를 생성하는 애플 리케이션 이 데이터를 작성하고 당신이 원한다면 사실을 다시 보내려면, 통합 관점에서 그래서 매우 강력 거기에 통합 그리고 내가 시간이 실행하기 전에, 나는 나는 또한 당신에게 한 가지 더 보여 있는지 확인하려면

어떤 실제로 여러 얼마나 많은 사람입니다 작업 공간? 괜찮아 꽤 많은 사실 때 당신은, 당신은 작업 공간으로 쿼리에 대한 필요가 있습니까? 괜찮아 그래서 우리는 실제로 쿼리이었다, 이번 주 초 발표 간 작업 공간 어떤 실제로 아주 세다 그리고 난 당신이 매우 간단 표시됩니다, 그것은 매우 간단합니다

내가 여기에있는 것이있는 경우 보자 크로스 작업 공간 그래서이 매우 간단합니다 케이스, 당신이 노조에 가입 할 수 있습니다, 당신은 단지 하나를 처리 할 수 다른 작업 공간에서 동일한 방식으로 오는에 걸쳐 데이터 당신이 볼 수이 경우, 사실, 내가 해요 노동 조합이 그것은 소매, 작업 공간을 말하고, I ADM 데모 작업 공간이라는 또 하나있다 나는 보안 이벤트 찾고 있어요 그 맞은 편

나는별로 계산하려면 작업 영역 이름입니다 그리고 다른 것은 거기입니다 당신은 여기에서 볼이 내가 사용하고 내 활성 작업 공간입니다, 그래서 내가 할 수 작업 공간의 이름을 제공해야합니다,하지만 난하지 않았다 마십시오 지금 내가이기 때문에 그리고 난 실제로,도 즐겨 찾기를 여러 개의 작업 공간을 조회 할 수 있습니다 내가 좋아하는 세트를보고 싶어 내가 사용하고 있다면 신속하게 둘 사이에 전환 할 수 있습니다 거기에 여러 작업 공간 그래서 당신은 볼 수 있습니다

질문은 무엇입니까? [들리지] >> 통과하지 테넌트 통과하지 테넌트 나는에 MSPS에서 해당 들었습니다 그 하나는 교차 세입자 여부가 있는지 여부 이 크로스 작업 공간입니다 내가 생각하는 크로스 세입자이며, 우리가 생각해야 뭔가

그것을 제공하기 때문에 인증에서 더 많은 및 인증 관점 그것은 훨씬 더 강하다 그리고 우리는 우리가 교차 세입자를 제공 할 방법에 대해 생각해야합니다, 우리는 상호 세입자를 제공해야합니다 다시 말? [들리지] >> 크로스 가입이 필요합니다 크로스 가입이 가능하다 작업 공간은 다른 가입을 의미 할 수 있기 때문이다

작업 공간이 가입 또는 다른입니다 구독, 그건 문제가되지 않습니다 이 경우 우리는보고 컨테이너 관점에서 작업 공간 그래서 그것으로,에 살고있는 가입 중요하지 않습니다 긴 같은 세입자 괜찮아, 거기예요로? 그러나 이것은 실제로 매우 강력하다 당신은 또한 블로그에 대한 읽을 수 있도록, 그이있다 아주 세다

저를 보자 사실 내가하고 싶었던 또 하나의 데모로 이동합니다 당신은 시간이 있을지 모르겠어요 사실 제가 때문에 전환 할 수 내가 가기 전에 슬라이드에 몇 가지를 포함 할 마십시오 그래서 우리는 종류의 시간이 실행하기 전에 그걸하자

하지만 난이 있었다 생각 데모의 강력한 세트 우리가 할 수없는있는 쿼리 오늘날합니다 당신이있어을 어제 일을 할 수 없음 오늘 할 수 기능의 풍부한 우리가 정리해 제공하는, 정말 당신이 걸릴 수 있습니다 새로운 수준에 당신의 분석, 맞죠? 당신은 생각해야 솔루션 및 구축하고 물건에 실제로 쿼리에 의해 제공되는 것 전원으로 통합 마이크로 소프트가에서 그리고 난 충분히 그 채택을 말할 수 없어요 거대한

장점의 측면에서 그들이 언어와 함께오고 힘으로하고있다 우리는 인제 있으며, 매일 우리보다 35 PEDO 바이트 섭취 데이터와 지금 우리의 queriable 데이터 크기가 – 그것은 엄청난입니다 내부와 외부 성장 나는 너희들이 가지고 싶어 그것의 장점 당신은 업그레이드되지 않은 한 경우 작업 영역, 지금 업그레이드, 내가 말할 것입니다

자동 기다리지 말고 업그레이드, 우리는 올해 나중에 자동 업그레이드를 할 것입니다 그래서 확실히 나는 확실히 당신을 활용하고자하는 취 그것 gA를가는 길에 우리는 개인 미리보기를 시작 6 월 1 그래서, 그것은이었다 초대 만 우리는 세 가지로 제공했다 지역, 우리는 신속하게 모든 공공 영역과 8 월에 나갔다 8 우리는 선택 사양 업그레이드했다 공공 미리보기를했다 어떤이있다

그래서 늦은 10 월, 기본적으로 10 월 마지막 주, 그래서 우리는 밖으로 그 세부 블로그가됩니다 이 스케줄의 일부 월 하순 그러나 우리는 것이다 실제로 자동 업그레이드를 밀어 시작합니다 그리고 이것의 아름다움은 공공 미리보기에서 이미 우리 기본적으로 작업 공간 (50)가 이미 업그레이드되어 있습니다 즉 실제로 엄청난입니다 즉, 실제로 이야기입니다, 아주이다 우리는 우리의 고객은 바로이 기능을 원하는? 우리가 멀리 밀어하려고하지 않고

그러나 우리는 단지에 대한 업그레이드 할 수 있습니다 실제로 포털에 로그인 배너를 참조하는 사람들 포털에 로그인하지 않고 배너 표시되지 않는 사람, 우리는 우리가 모두를 위해 자동 업그레이드를 할 필요가 있다고 할 수 없다 그밖에 우리는하지 않은 사람들을 격려 업그레이드 된, 지금 업그레이드 그리고 우리는 확실히 모든 것을 할 것 의 끝으로 일어날 자동 업그레이드 올해, 우리는 지역에 따라 지역을 출시 할 것입니다 그러나 우리는 10 월 말 시작으로, 우리는 시작할 것이다 있어야한다 우리는 자동 업그레이드를 출시로 피드백을 수집

즉 GA에 대한 우리의 도로가 무엇인지입니다 그리고 나는 매우 흥분 생각 새로운 플랫폼에 모두를 가져옵니다 우리가 실제로 할 수 있도록 빨리 알아보기 향상, 사용 가능한 더 많은 기능, 등 우리는 새로운 플랫폼으로 이동합니다 그것은 당신을위한 관련이하지 않는 것이 오늘 참석하지만, 당신이 있는지 확인하는 것이 관련이하려면 다시 가서 봐, 모든 관련 세션 말할 수있는, 보안 관리, 당신은 한 곳에서 가질 수 있어야합니다 데모를 사용할 수 있습니다

갑판은 당신이 할 수있는 사용할 수 있습니다 항상이 경우 나중에 그 일을 통해 이동합니다 그리고 난 여기에 질문에 대한 몇 가지, 몇 가지를 마칠 수, 난 알고 우리가 덮여 많은입니다 그래서 나는 것을 확인 할 당신 설문을 작성합니다 나는이 유용한 세션이었다 바랍니다 내가 가서 시도, 업그레이드를 시도하고 새로운 시도하는 것이 좋습니다 플랫폼

그리고 작성하시기 바랍니다 경우 평가 우리는 다섯이 어디에 열어 질문 당신은 질문이있는 경우에 따라서, 제발 – [들리지 질문] >> 좋은 질문입니다 사실이 호출 문서는 반드시 그 부분의 내가 만들어 줄게, io를 갑판 다른 질문이 있으십니까? 네? 푸른까지 이동과 [들리지 질문] >> 포털, 새로운 응용 프로그램이 될 것인가? 거기에 푸른 응용 프로그램에 대한 업데이트가 될 것입니다? >> 그럼 내가 iOS 앱이 지원 계속 될 것이라 생각합니다

그것은 푸른 포털로 할 필요가 없습니다 iOS 앱은 백 엔드에 대해 직접 간다 >>이 응용 프로그램에 더 나은 경험입니다 >> 좋아 괜찮아? 네

>> 당신은 응용 프로그램 통찰력 커넥터를 언급했다 그게 어떻게 작동합니까? 응용 프로그램 통찰력이 하나가 응용 프로그램, 당신은 당신은에 넣어 할 수 있습니다 로그 분석에 대해 하나의 작업 공간에 응용 프로그램을 많이 당신은 커넥터가 그렇게 할 수 있습니까? >> 커넥터가 당신이 할 수 있도록 즉, 절대적으로 오늘 하지만 난에 대한 필요성을 생각한다 커넥터는 곧 사라질 것입니다

우리는 실제로에서 조회 할 수 있기 때문에 작업 영역 자체 신청 나는 따옴표, 작업 공간의 이름으로 작업 공간을했던 것처럼 나는 코드 응용 프로그램의 이름, 응용 프로그램을 말할 수 있습니다 그래서 크로스 응용 프로그램 간 것 작업 공간 쿼리

커넥터 종류의 필요성 의 프로그램은 당신이 기능의 풍부한 세트를 가지고, 커넥터는 많은 제약이 있었다, 그것은 평평 일부 열의 기존 플랫폼을 지원하지 않았기 때문에과 그래서 지금 당신이 실제로 조회 할 수있는 모든 열을하지 않았다 바로 거기에서 당신은 모든 응용 프로그램에 대한하십시오 >> 감사합니다 예? >> 제품 스택의 방향은 무엇입니까, 보안 센터, , OMS를 분석 로그인합니다 >> 우선은 OMS이고,이다 똑같은 것 OMS 및 로그 분석, 우리 단지 푸른 로그 분석을 호출,이 같은 일입니다

보안 센터는 로그 분석과 같은 플랫폼을 사용합니다 그래서 당신은 당신이 아래로 갈 때, 보안 센터로 팔 때, 또는 귀하의 탐지와 같은 물건과 당신은 그것의, 클릭을 통해 기본적으로,이은, 동일한 플랫폼을 제공하는 것이다 그래서 기본 플랫폼은 동일합니다 당신은 최고 기반으로 구축 솔루션으로 보안 센터를 로그 분석 플랫폼의 그 꼭대기에서의 솔루션 그곳에

그래서 좋은?

Gradient descent, how neural networks learn | Chapter 2, deep learning

내가 신경망의 구조를 설명하는 비디오에 먼저, 빨리 정리해 보자 이 비디오 섹션에서 우리는 두 가지 목표는 첫째 그라데이션 하강의 개념을 도입해야 그것은뿐만 아니라 신경 네트워크 작업의 기초 많은 다른 기계 학습 방법에 대한 또한 기초 그럼 우리는 어떻게이 특정 네트워크가 작동 살펴 보자 그리고이 숨겨진 레이어 뉴런 정확히 찾을 것이다 무엇 여기에서 우리는 검토와 같은 고전적인 예를 참조 – 필기 숫자 인식 "안녕하세요"신경 네트워크의 분야에서 0과 1 사이의 각 격자 계조 값에 해당하는 28 (28)에 의해 픽셀 그리드에 기록이 숫자 이 회색 값 뉴럴 네트워크 입력 레이어 신경 활성을 결정 784 각 뉴런 활성 값 이후의 각 층이 이전 층에 기초하여 가중되고 이는 편차를 얻기 위해 공지 된 상수로 첨가 그럼 당신은 그와 같은 squishification 추가와 같은 다른 기능을 아니면 내가 이전 섹션, 비디오 ReLu에서 언급 결론적으로, 우리는 임의의 16 개의 각 신경망 뉴런의 두 개의 층을 갖는 줄 갖는다 중량 및 편차의 값을 조정할 수 13000 방법 신경망 작업을 결정하는 이들 값이며 그래서 무엇을 의미 하는가 "네트워크는 숫자 등급을 부여 할 수 있습니다" 디지털 즉 마지막 층 (10)은 그 숫자를 입력 숫자를 점등한다 우리가 목적으로,이 계층 구조를 사용, 기억 아마도, 제 2 층은 디지털로 이루어지는 제 3 층 및 상기 와이어 코일을 구별 할 수있다 상기 디지털 라인의 특징에서 식별 될 수있다 마지막 층이 디지털 입력의 모든 기능을 식별하기 위해 함께 결합 될 수있다 그래서 여기에 우리가 학습하는 방법을 신경망을 배우게됩니다 우리가 원하는 것은이 알고리즘 신경망을 훈련 많은 양의 데이터를 표시하는 방법입니다 다음은 훈련 데이터의 많은 필기 디지털 이미지를 많이 의미하고, 결국이에 디지털 이미지를 식별하는 몇 가지 라벨입니다입니다 그것은 이러한 훈련을 통해 데이터를 할 수있다 13,000 중량 조절 값과 편차 뉴럴 네트워크의 성능 향상을 목적을 달성하기 위해서 우리는이 계층 구조를 배울 수 있다는 기대 훈련 데이터의 범위를 넘어 이미지를 확인 우리는 방법이 네트워크에 대한 교육을 완료 할 때이다 테스트 이미지를 표시 할 때 그 결정의 정확성에 대한 관측, 그것은 본 적이 것을 다행히도, 우리는 일반적으로 교육을 시작 MNIST베이스에서 데이터를 사용할 수 있습니다 좋은 사람들이 손으로 쓴 레이블 디지털 이미지의 수천의 컬렉션의 MNIST 기본 당신이 정말로 그것을 작동 방식을 이해하면, 당신은 기계 학습 과정을 설명하기 위해 찾을 것은 매우 어려운 일이다 그것은 어떤 미친 공상 과학 소설이 아니라 더 미적분 운동처럼처럼되지 않습니다 즉 기본적으로 특정 함수의 최소값을 찾을 수 있습니다 개념적으로, 우리는 각각의 신경 세포가 이전 계층의 모든 뉴런에 연결되어 있다고 생각한다는 점에 유의하십시오 유사한 정의에 가중치를 가중 가산 계산 신경 기준 소자 강도 사이에 접속되고 편차는 특정 뉴런 활성화하거나 활성화하고 닫기를하지 않는 경향이 나타냅니다 우리는 모든 중량 값을 넣어 편차 값은 의심 할 여지없이 임의의 숫자로 초기화되어있는 경우,이 신경 네트워크는 혼란을 보여줍니다 이미지를 입력 할 때 예를 설명한다 3 출력 층은 엉망 보인다 그래서, 당신은 컴퓨터를 알려줄 수있는 비용 함수를 정의하기 만하면,하지 않습니다! 당신이 잘못! 올바른 출력은 0의 신경 세포 활성화 값의 대부분을해야하지만,이 신경 세포에 대한, 당신은 내게 그 쓰레기를 줄 수학적인 언어로 설명하기 위해, 당신은 당신이 차이의 제곱의 출력을 수정하려는 각 [] 및 []에 대한 쓰레기 출력을 넣을 필요가있다 [합] 이것은 하나의 훈련 예 비용이다 네트워크가 매우 정확하게 이미지를 식별 할 수있는 경우이 아주 작은 않습니다 이 값이 보여 큰 경우, 신경망은 가하에서 그것을 알고하지 않았다 당신이해야 할 그래서 당신이를 처리 할 수있는 학습 사례의 수만의 평균 비용을 고려하는 것입니다 성과의 평균 비용은 좋다 또는 나쁘다는 신경 네트워크의 가치 측정 이 신경망의 기능은 본질적으로 기억 디지털 픽셀 출력으로서 디지털 입력 (10)으로 784 값들 이 무게와 편견에 의해 감지는 매개 변수화 그러나 가장 중요한 성능의 비용 함수의 복잡성은 그것에 대해 만삼천 무게와 바이어스 값 입력 등이다 그리고이 무게와 편견의 품질을 반영하는 디지털 출력 수천 배는 신경망 훈련에 의해 결정 후에는 성능을 통해 정의된다 에 대해 생각 많이있다 그러나 단지 도움이되지 않았다 얼마나 나쁜 작동하고, 컴퓨터를 말해 당신이 알고 싶어 당신이 만드는 순서대로 무게와 편견을 조정할 수있는 방법입니다 그것을 조금 더 나은 성능 우리는 예시하는 간단한 예를 사용하여 (13000 입출력 기능하지 힘든 사고) 우리는 하나 개의 입력과 하나 개의 출력을 가지고 같은 간단한 기능을 상상 함수의 입력 값의 최소값을 찾는 방법 배운 미적분 학생들은 때때로 쉽게 함수의 최소값을 지적 할 수있어 그러나 일부 매우 복잡한 기능을 위해, 그것은 가능하지 않을 수도 있습니다 물론, 비용 함수를 포함하여 우리는 13000 슈퍼 복잡한 인수를 그 더 유연한 접근법은, 임의의 입력에서 시작 찾는 것이 그 값이 작은 방향의 함수 특히, 어떤 점에서 기울기는 당신이 기능을 알고있는 경우 기울기가 긍정적 인 경우 다음으로, 좌측은 상기 기울기가 음수 인 경우에는 우측 방향으로 작은 출력 기능하게 찾을 수 당신은 지속적으로 적절한 단계를 검사에게 기울기의 모든 지점을 반복하는 경우 당신은 방정식의 지역 최소 찾을 수 있습니다 당신은 볼이 뇌에서 언덕 아래로 굴러 같은 사진을 상상할 수 심지어 이러한 간단한 단일 입력 식에서, 여전히 많은 골짜기 합해서있을 수 있음을 주목할 만하다 사용자의 입력 값을 무작위로 선택을 시작하면, 로컬 최소 찾기 우리는 전체 함수의 최소값 보장 할 수 없습니다 우리의 신경 네트워크의 방정식의 경우, 같은 상황 또한주의 당신은 크기와 기울기에 비례 단계 경우 그런 경우 최소값에 가까운, 더 적은 당신의 단계, 이것은 당신이 너무 멀리 찾고 방지하는 데 도움이됩니다 확장 무엇을 상상, 두 개의 독립 변수의 함수 종속 변수가있는 경우 당신은 입력 인수가 공간 XY 평면과 비용 함수는 표면 위에 떠있다, 상상할 수있는 이제 함수의 기울기를 고려하지만, 상기 입력 단계 공간 방향으로보고되어서는 안된다 즉, 출력의 기능이 어떤 방향으로하는 것이 가장 빠른 아래로 감소하자? 마찬가지로, 우리는 언덕 아래로 구르는 공을 상상 친숙한 다 변수 미적분 사람들은 그라데이션 기능은 당신에게 가파른 상승 방향의 대부분을 줄 것이다 알 가장 빠른 감소 방향의 함수에 상당하는 방향이다 당연히, 음의 기울기 방향 기능이 가장 빠른 감소를 찾을 수 또한, 그라데이션 벡터의 길이가 실제로 얼마나 가파른 가파른 경사의 지표이다 당신은 다 변수 미적분학에 익숙하지 않은 경우 그리고이 장에 칸 아카데미의 콘텐츠를 볼 수 있습니다이 지역에 대해 자세히 알아 보려면 사실, 우리를 위해 가장 중요한 것은 원칙적으로,이 벡터가 계산 될 수있다 그것은 당신에게 가파른 아래로 방향을 말할 것이며, 이러한 특정 세부 사항은 중요하지 알고 충분한 지식보다 더있을 것 당신은 당신이 할 수있는 그라데이션 방향을 계산하여 작은 함수 값의 방향을 찾아 언덕 아래 첫 번째 단계를 취할 것을 알고 있다면 때문에 그럼 당신은이 과정을 반복 할 수 있습니다 방정식에 적용된다 또한이 원칙은 인수의 13,000을 가지고 큰 벡터에 신경 네트워크의 13,000 무게와 편견을 상상 비용 함수의 기울기는 음의 간단한 벡터이고 그것은 매우 큰 입력 변수 공간의 방향 당신을 말할 것이다 가장 빠른 작은 비용 함수 방법 물론, 우리는 특별히 측면에서 비용 함수를 위해 설계 가중치와 바이어스를 변경한다는 것은 매우 트레이닝 데이터 출력의 각 세트를위한 신경망 임의의 열 개 숫자처럼 보이지만 사실 우리는 출력을하지 않는다는 이 비용 방정식은 훈련 데이터의 각 세트의 평균 효과, 알고 이 값을 줄일 경우에 따라서 기능이 향상되는 것을 의미 있도록 샘플의 성능 이것의 핵심은 신경망의 학습 확산라고되어보다 효율적으로 그라데이션 계산 알고리즘을 할 수 있습니다 이것은 내가 다음 영상의 초점을 말하고 싶은 것입니다 나는 매우에 대해 이야기하는 시간을 할 무슨 일이 있었는지 결국 무게와 편견의 각 교육 특정 데이터 세트의 우리는 관련 미적분 및 수식에 추가하여 직관적 인 느낌을주기 위해 노력 그리고 지금, 나는 당신이 구현 세부 사항은 알고 싶어 우리가 말할 때 그것이 무엇을 의미하는지 결국 "신경망 학습은 비용 방정식을 줄이는 것입니다" 그 결과, 비용 방정식을 만드는 것입니다 참고가 부드러운 출력은 매우 중요하다 그래서 우리는 작은 단계로 로컬 최소 찾을 수 있습니다 그런데,이 이유 인공 신경 세포는 신경 세포로 자연이 아닌 지속적인 활성화 동작을 간단한을 활성화 또는 진 상태를 비활성화 이 프로세스는 입력 기능의 배수로 반복 될 입력 음 구배 구배 하강 칭한다 이는 비용 함수의 로컬 최소값을 허용하는 방법이 계곡 따라 낙하도 수렴 과정이다 여기에 나는 아직도 사용하는 두 개의 차원 기능입니다 때문에 13,000 차원 기능은 우리의 두뇌에 대한 상상하기 어려운 경우 그러나 사실이 문제에 대해 생각하는 비 그래픽 방법이있다 그라데이션의 각 부분은 우리에게 두 가지를 알려줍니다 물론 기울기의 표시는, 상기 입력 벡터의 대응하는 부분이 상하 방향이며,이 중요하다는 것을 말해 준다 진폭 관련의 모든 부분 나는 변경하는 것이 더 중요하다 당신을 말할 것이다 당신은 발견, 신경 네트워크에서, 비용 함수에 큰 영향이 무거운 무게의 일부의 값을 변경합니다 비용 함수에 대한 권리의 가중치를 변경하는 효과는 미미 단지 훈련 데이터와의 관계의 일부 그래서, 당신은 비용 함수의이 거대한 그라데이션 벡터 생각할 수 가중치 및 바이어스의 각각의 상대적 중요성을 인코딩 그것은 당신을 위해 가장 큰 영향을 가져올 것이다 이러한 변화이다 이것은 참으로 문제의 방향을 생각하는 또 다른 방법입니다 다음은 간단한 밤나무 이차원 함수가된다 당신은 (3,1) 지점을 계산 그라데이션 이 시점에 서 때, 한편으로이 프로세스입니다 번역 할 수 있습니다 당신은 그라데이션 방향에서 가장 빠르게 증가 할 수있다 이미지 함수, 이는 빠른 벡터 직접 오르막 방향 그러나 다른 한편으로는, 당신은 말할 수 세 번 이상 입력의 근방에서 제 2 가변의 함수에 변수의 변화의 효과는 그러한 인 x의 값을 변경하는 효과는 훨씬 큰 이제 정리해 올 하나 신경망 자체 (784)의 입력 및 출력 기능 (10)을 갖는다 무게와 소유권의 형태로 정의 비용 함수의 복잡성을 반영 또한 입력의 출력 레벨과 13,000 중량 및 편차를 갖는 좋고 트레이닝 케이스의 값에 기초하여 불량 비용 함수의 기울기 및 복잡성의 층 그것은 가장 빠른 작은 비용 함수를 할 수 있도록 이러한 값을 가중치를 변경하고 값을 상쇄하는 방법을 우리에게 알려줍니다 무엇보다 체중 변화로 또한 번역 될 수 그래서 당신은 무게를 초기화하고 바이어스 값은 그라데이션 하강 과정을 몇 가지 조정을 그 기반으로, 임의의 값을 사용하는 경우 이 이미지 A는 한 번도 본 적이 방법을 보여줍니다? 난 그냥 눈에 더 기쁘게이 그림 아무것도 볼

그것은 16 이유에 두 개의 숨겨진 레이어 (16 개) 뉴런, 각 레이어를 여기 설명입니다 새로운 이미지의 경우, 매우 좋은 96 %의 올바른 인식 속도를 가지고 당신은 몇 가지 예를 보면 솔직히, 당신이 정말 무력 사람을 느낄 것이다 엉망 당신은 숨겨진 층 구조를 사용하여 몇 가지 조정을하면 당신은 98 %의 정확한 비율이 상대적 바있다 얻을 수 있습니다! 물론 당신은 지금보다 더 나은 네트워크 성능을 달성하기 위해 더 복잡한 네트워크를 사용할 수 있습니다 첫 번째 작업의 거대 함을 고려하면, 정말 생각 놀랍게도 좋은 이미지 전에 보지 못한 사람들을 위해 신경 네트워크 성능 우리는 특히 우리가 스타일을 찾고 무엇을 말하지 않을 경우 이 구조의 목적을 위해, 첫째, 우리는 단지 원하는 줄 두 번째 층은 작은 단편의 성분을 취출 할 수있다 제 3 층은 디지털 이러한 소자 스티치 선분과 긴 세그먼트 식별 포인트 다음 최종 인식 할 수있다 그래서, 우리의 네트워크는 정말 같은 작품? 현재, 예를 들어 적어도 그것은하지 않습니다! 우리가 동영상을 보는 방법을 기억하는 방법 첫 번째 레이어 위안에서 모든 신경을 연결하는 제 2 층의 중량 소정 뉴런 오른쪽 뉴런의 두번째 층은 화소 촬영 모드로 주어지고 그것은 가시화 될 수있다 우리가 정말 전환과 관련된 이전의 레이어와 다시 레이어 중량 값을 계산하면 독립을 선택하는 것은 아니지만 여기에 완전히 무작위 작은 세그먼트가 나타납니다 그냥 몇 가지 매우 느슨한 스타일 수 바로 큰 마법 13,000 차원 공간 및 무게 편차 위해 우리는 스스로가 지역의 최소의 완벽한 네트워크입니다 찾기 올바르게 대부분의 이미지를 식별 할 수 있지만, 우리는 스타일을 원하지 무엇을하더라도 당신은 실제로 당신이 임의의 이미지를 입력하면 관찰을 실행할 때의 반사를 할 것입니다 시스템이 똑똑하면, 10 개 출력 뉴런의 활성화하지 않을 수 있습니다, 결과는 불확실 것을 발견 할 것이다 또한 균등하게 활성화 할 수 그러나 그것은 확실히 것처럼이 임의의 신호를 5라고는 자신있게, 당신에게 의미없는 대답을한다 정말 확인 된 경우 그 중 하나는 동일한 이미지를했다 (5) 즉, 아무리 높은 자사의 식별 번호의 정확성, 여전히 디지털 쓰기하지 않습니다 그것은 교육의 매우 제한적인 집합입니다 때문에 크게 난 당신이 신경 네트워크의 관점에 서 있다면, 당신은 우주 전체는 것을 발견 할 것이다, 의미 숫자와 비용 센터 변경 기능의 작은 격자 그리고 우리는 자신의 판단을 위해 전체 자신감을 가지고 이 이미지는 두 번째 레이어 인 경우 그래서, 정말로 당신은 내가 몇 조각 모양을 추출 할 수있다 신경망을 소개합니다 이유에 호기심이 될 것입니다 즉, 할 수있는 마지막 일이 아니다 네, 그것은 우리의 궁극적 인 목표지만, 출발점이 될 것입니다 것을 의미하지 않는다 솔직히,이 이전 기술이다 그것은 1980 년대와 1990 년대 연구 뭔가 당신은 몇 가지 현대적인 변형을 이해하기 전에, 당신은 몇 가지 흥미로운 문제를 해결할 수는 매우 명확 것을 이해하는 것이 필요합니까 하지만 결국이 일에 더 깊은 숨겨진 발굴 층, 지능의 정도를 낮출 것 일시적으로 집중하는 방법을 배울 어떻게 학습하고 신경망에 대해 전환 당신은 발생 관련 자료를 처리 할 의욕있는 경우에만 난 당신이 일시적으로 중단 제안 및 깊이에 대한 생각 당신은 시스템을 변경할 수있는 방법 당신은 그것을 같은 라인으로 더 나은 추출을,이 인식되어야하는 이미지와 같은 요소를 형성하려면 그러나 더 나은 등의 자료를 처리 할 수있는 진정한 방법은 나는 강력 마이클 닐슨 깊이 학습과 신경 네트워크에 대한 책을 읽어 보는 것이 좋습니다 이 책에서는 코드와 데이터, 다운로드를 찾아 연관된 인스턴스를 실행할 수 있습니다 이 책은 당신에게 코드의 의미 단계의 설명에 의해 단계를 줄 것이다 즙이,이 책은 자유 공모입니다 그래서 만약 당신이 정말로 뭔가에서 얻을, 나는 닐슨 기부와 노력을 고려 내가 좋아 자원의 일부 링크가 크리스 올라의 충격과 매우 세련되고 아름다운 블로그 기사를 포함 지난 몇 분 나는 나를 인터뷰하고 다시 가서 레이 샤 리의 일부 당신은 학습의 깊이에 그녀의 박사 연구 작업하는 동안 그녀의 비디오 섹션에서 기억할 그 인터뷰 세그먼트에서, 그녀는 심도 결국 이미지 인식 신경망의 현재 필드의 연구 문제는 그것이 작동하는 방법이고, 두 최근 논문에 대해 이야기 우리의 토론 주제를 결정하는 첫 번째 논문은, 그것은 가장 깊이있는 신경 네트워크의 하나 소개 그것은 매우 정확하게 할 이미지를 인식 할 수 있습니다 만, 정확한 식별 데이터를 통해 설정할 수 없습니다와 수 그러나 훈련 데이터와 모든 태그를 화나게 라벨 자체가 혼란 때문에 물론, 테스트의 정확도는 임의의 결과보다 훨씬 더 가지 않을 것이다 하지만 당신은 여전히 ​​같은 인식 정확도를 달성 할 수있는 올바른 태그 데이터 세트를 사용하면 기본적으로, 그 임의의 데이터 값을 기억하기에 충분한 무거운 수백만 신경망이 특정 권리 이 문제는 정말 구조의 모든 유형이 제시하는 방법은이 비용 함수 해당 이미지를 최소화? 어쩌면, 그냥 당신이 알고 제대로 전체 데이터 세트를 분류 기억 올해 ICML 논문을 반박하지 않았나요, 일부 짧게 논문을 언급 당신이 곡선의 정확도를 보면 사실이 신경 네트워크는 똑똑 할 당신은 임의의 훈련 데이터 집합 경우 이 곡선은 아주 아주 느린 감소 거의 선형 될 것입니다 그래서 당신은 로컬 최소값을 찾기 위해 정말 열심히 할 수있다 만큼 당신이 올바른 태그 구조화 된 데이터 집합을 사용할 때 올바른 무게는 당신이 특정 정밀도를 얻을 수있게된다 처음에는 바이올린 수도 있지만, 곧 정확성이 정도의 빠른 하락 그래서 어느 정도는 지역 최대를 찾기 위해 여전히 매우 간단합니다 몇 년 전 또 다른 논문은 또한 관심을 불러 일으켰다 그것은 크게 간소화 신경망 층 당신이 장면 최적화를 보면, 지역의 최소 경향 신경망의 학습이 실제로 효과가 같은 이유 결론 중 하나는,에 대해 이야기 데이터 세트가 구성되어 경우에 따라서 어느 정도에서, 당신은 아주 쉽게 찾을 것을 알게한다 난 항상 Patreon을 지원하는 사람들에게 감사 내가 전에 말한 Patreon 게임 체인저의 일종이다,하지만 당신은이 동영상을 만들 불가능하지 않은 경우 그러나 이런 동영상 시리즈 VC의 파트너 인 지원도 특별한 감사 그들은 기계 학습 및 AI 회사의 초기 단계에 초점 나는이 가능성을 확신합니다 : 여러분 중 일부는 사람들이 비디오를보고 심지어 가능성의 일부는 같은 회사의 초기 단계에있다 누구인지 사람들은 기업가를 듣고 싶어 증폭 그들은 심지어 특별한 사서함을 설정, 당신은 3blue1brown에 의해 자신의 웹 사이트에 연결할 수 있습니다 amplifypartnerscom

2017년도 이제 오늘 내일 내일모레 3일 남…

2017년도 이제 오늘 내일 내일모레 3일 남았네요 남은 시간 모두 힘차게 또 웃으며 보냈으면 좋겠어요 2017년의 마지막 3일은 내년의 계획을 세우기보다 올해 내가 무엇을 잘했는지 얼마나 열심히 살았는지 스스로 칭찬해주는 시간을 가져보는 게 어떨까 생각해요 우리는 나름 꽤 잘 살아왔으니까 또 올 한 해도 치열하게 버텨왔으니까 포기하고 싶은 마음에도 쉬지 않고 노력해왔으니까 그러니까 칭찬받을 자격이 충분히 있어요 설령 올해의 나 자신이 맘에 들지 않았다고 해도 절대 스스로를 상처 주지 맙시다 조금 밉더라도 사랑해야죠 미워도 나고 내가 나를 사랑해줘야 다른 사랑도 나를 찾아올 테니까요 끝으로 우리 마지막까지 힘차게 웃으며 잘 마무리해요 모두 올해 수고 많으셨어요 2018년에는 스스로를 더 많이 사랑해주기 오늘도 고마워요

Working with models for machine learning and Azure Batch AI – BRK4034

, 좋은 오후를 주셔서 감사합니다, 내 이름은 앨런 서튼 환영합니다 나는 푸른 SPC 인프라의 프로그램 관리자 해요 및 솔루션 전략

나는 뒤에 얻을 시작되었다 약 일 년 전 우리는 먼저 푸른에 소개되었다 우리는 인공 지능 연구자 및 데이터 과학자에서 전화를 많이 받았습니다 나는 활용하고 싶어 이 새로운 수 내가 물건을 연결하려면 어떻게 네트워킹? 그래서 우리는 파이썬의 세트를 아예 CRE 우리의 용기에 스트립과 푸른 배치의 상단에 작업을 실행했습니다

이것은 우리가 푸른 배치 조선소 프로젝트라는 것입니다 있어 고객으로부터 매우 좋은 수신 회사는 연구자 인공 지능 주요 기업뿐만 아니라 내 마이크로 소프트, 사람들의 숫자 그 희망은 자신의 작품이 경우, 자신의 모델에 초점을 완수하기 인프라하지 않았다, 눈물 과학 저주 그들은 와우,이 대단한 말했다 당신은에 그것을 설정해야 서비스는 우리에게 완전한 API를 제공합니다 한편, 우리는 시작 같은 요구를했다 마이크로 소프트에 이야기

인공 지능 교육, GPU 사용, 기본적으로 카드 사용의 양이 우리를 할 수있는 내부 팀 필요가 압도적이다 그들 중 어느 것도 관리하지 않으려는 인프라 중 하나 우리는 팀 내에서 함께 일 마이크로 소프트, 학습 팀과 생성 푸른 배치 API를, 어떤 당신은 클라우드의 장점을 취하는를 활용하는 데 도움 우리는 산업 세기가와 인공 지능이 있고 할 자원 마이크로 소프트가하는 도구를 켜기 그래서 난 당신과 얘기 흥분 이 오늘에 대한 자세한 나는 규모에 대해 많은 이야기

두 팀은 쉽게 확인하고 싶어 나는 비밀의 종류 생각 정말 강력한 인공 지능 뒤에 소스 당신은 더 크고 더 큰 데이터 세트와 함께 훈련 할 필요가있다 당신은 더 많은 컴퓨터 자원이 필요합니다 컴퓨터 리소스가해야 할 일 실험, 최적의 네트워크 밖으로 물리적, 파악 가장 좋은 하이퍼 매개 변수와 다시하고 다시하고 다시 그것을 할

당신이 정말로 해본 적이 때문이다 스케일은 정말 중요합니다 인공 지능 개발은 매우 때문에 병렬로 일을 Theing 많은 swer – 개발 프로세스, 그것은 시작 Ideaiateing는, 어쩌면, GPU를 최대 이동, 랩톱에서 작업 알고리즘이 무엇인지 물리적으로 간다 최선의 방법이 문제를 해결합니다 우리는 당신에게 기차에 출발을, 작은 데이터 세트, 더 큰 데이터 세트

마이크로 소프트 팀 중 일부는 주도에, 일 훈련을하고 있습니다 수백, GPU의 지금 수천 우리는 빙 및 사무실과 우리의 팀과 이야기 그리고 그들은이 연구원에서 사물을 가지고하는 방법과 스트라이크 라인 데이터 생산 및 당신은 인공 지능을 생각하는 경우 등 그들이있어 응용 프로그램 파이프 라인의 일부 A와 Earch 추가를 전문 에 가서 튜닝 모델을 사이의 최적의 저점을 가지고 성능 및 정확성 로서 나는, AB를 새로운 모델을 개발하고 있어요 테스트, C가는 새가 작동 결국 이동하고 있다는 것입니다 생산 실행합니다

하지만 당신은 수행되지 않습니다 그런 다음 원격 측정을 수집가는 당신을 적응하는 모델 당신은 그것을 실행한다 간 단계에서가 각 단계 당신은 많은 풀을 공유 할 수 있습니다 GPU를 그것은 결코 충분하다

그것은 일반적으로 최대 스파이크 아래 제품의 필요성에 따라 너는 당신은 종류의 일을 평가 내부 모두에서 확장 할 경우 다음 필요, 생산에 아이디어를 얻거나 생산으로 변경 이 연구원 및 데이터 과학자는에 초점을 맞추고 자 probleming의 일부는 인프라를 관리하고 있지 및 인프라가 어려울 수 있습니다 이유 나는 인프라에서 작동 푸른에서 팀 우리는 그것을 누설

우리의 임무는 쉽게 다른 사람이 사용 할 수 있도록하는 것입니다 마지막에있는 반면 우리는 HPC 관점에서 그것을오고있어 15 년 마이크로 소프트에서, 우리 관리하는 방법에 대한 많은에 클러스터는, 내가 어떻게 규모를받을 수 있나요? 팀이 밀어와 40,000의 CPU 클러스터에 대한 asour에서 Scaleability 정기적으로 수백, GPU는 수천, 우리는 생각한다 내가 어떻게 그 클러스터를 유지하기 위해 가야 할 정보? 내가 작품의 전체를 많이있을 때 내가 어떻게 작업을 예약합니까? 내가 어떻게 데이터를 관리 할 수 ​​있습니까? 난 규모에서 훈련하고있어 특히 경우? 비용도 있습니다 누가 아픈 연구원에 원하는 사람도 그 책임에 대한 지불, GPU를 많이 사용합니다 마지막으로 자신에게 훈련은 큰 작업 흐름의 일부입니다 그 everyonep의 포스 실행됩니다 그래서 각각의 과제가있다 이 단계의 최대의 버스터 측에, 나는 더 가서 그 가상 머신 프로비저닝, 내가이 있는지 확인 오른쪽 비디오 드라이버, 당신은에 다수의 GPU에서 실행하는 경우 규모

그들은 프레임 워크를 얻는 방법 그 기계의 라이브러리? 나는에 대해 youing 감사 해요 동안 일괄 인공 지능, 피드백 중 하나 우리는 우리의 내부 팀 얻었다 그들이이 이동을 아성 원하는 이 모델을 개발한다 그들은 같은 것을 확인 환경은 규모의 일괄 처리 모드로 실행에 설정되어 있습니다 음, 경우에 당신은 그것에 대해 생각합니다 단일 사용자, 그들은해야합니까 색조 및 일정 사용할 수 있습니까? 당신은 실행하려는 어쩌면 경우 수백 개의 일자리의 실험 만이 소수가 GPU는 또는 당신은 당신의 그룹을 통해 GPU를 공유하고자합니다

스케치 측면에서, 우리는 멀티 GPU 작업을 예약하는 방법이 MPI와 어서 문제에서 실패에 대한 찢어 시스템 우연히 있다 데이터면에, 한쪽 스케일 수의 GPU를 이동하려면, 나는 그들이 얻는 방법을 생각해야 내 모든 시스템에 데이터를 훈련? 나는 그것을 복사합니까? 내가 공유 파일 서버가 있습니까? 내가 어떻게 알파 로그를받을 수 있나요? 어떤 모델을 그림 또는 어떤 접근 방식은 최고였다? 그들은 엔터프라이즈 프레임에 일이 있었나? 어떻게 보안을 생각하고 광산은 데이터를해야합니까? 나는 그것이 내부 팀, 여기서 몇 가지 매우 중요하다고 생각합니다 누군가가 모델 실험실 훈련하고있는 데이터 수도 있지 수사 과학자 볼 수있다 뭔가 그래서 시스템이 사람이 사용 transscale 할 수 않는 방법 데이터 세트를 공인하고 그들이하는지에만 액세스 할 수 있습니다 허락하다? 비용의 측면에있는 수 내가 가장 중요하게 GPU를 사용하고 때, 아래 스케일과 그렇지 않은 주말 아이돌 클러스터를 필요로하고 법안을 운전 너희들은 푸른 서로 다른 가격 책정 모델을 활용합니다 우리는 많은 고객이 우리의 예약에 관심이 당신이 최고의 가격에 기계의 많은 수를 얻을 수 인스턴스

하지만 7하여 (24)에 최선을 다하고 그래서 그것은처럼 마이크를보고 시작 전통적인 HBC 문제 그들은 자원의 집합이 그들은 가장 중요한 일에 우선을 바쁘게 할 실험 작업의 두 번째와 그것을 확장 내가 푸른에 더 많은 자원을 만날 때 취할 정말 낮은 비용으로 추가 작업 그리고 물론, 생각, 교육 그것은의 일부, 정말 열심히하고 중요한 것은 더 큰 작업 모드는 어떻게합니까 도구와 통합, 어떻게 작업 흐름에 나올까요? 어떻게 개발자가 노트북에서 갈 수 있습니다 당신이 그것에 대해 생각하면 생산 클라우드, 그것을 인공 지능 연구를하는 데 도움이됩니다 과학자들은 기계 학습이나 인공 지능을 훈련하여 클라우드 모델

당신의 GPU 클러스터를 얻을 수 있습니다 또는 자신을 위해 CPU는 평행 규모에서 많은 작업을 실행합니다 훈련 시간을 줄이고 이것이이기 때문에 나는 그것에 대해 생각 문제 우리는 우리의 내부 팀을 위해 해결해야했다 난 당신이 모든 힘으로 인공 지능을 할 수 있는지 확인하려면 및 규모와 우리가 마이크로 소프트에 내부적으로 사용하는 도구를 제공합니다 나에 바로 시작하자 그것이 제출하는 것이 얼마나 쉬운지를 보여 작업 배치 그래서 여기 내가있는 클러스터를 얻었다 GPU를 세 개 또는 세 개의 클러스터 나 명령 줄을 사용하고 다음 중 하나에 작업을 제출할 수 있습니다

이제 실제 테스트는 내가 명령을 기억합니다 작업은 만들 수 있습니다 그것을 작업의 이름을 지정합니다 또는 그것을 실행 는 SCM 및 템플릿을 재사용 호스트하십시오 이가는 동안, 내가 당신을 보여 드리죠 작업에 대한 구성 파일은 내가 실행하는거야

강화 된 작업을 실행하려면, 우리가 무엇을 지정할 수있다 명령 줄이나 구성 파일에 프로그래머, 무엇을 당신은 여기에서 보는 나의 작업의 구성입니다 내가 표준을 원하는 경우 표준이 훈련 어떻게 내가 여기에 풀에서 수행 한 것은을 만드는 것입니다 각각에 장착 된 푸른 파일 공유 우리가 훈련에 대한 통근 노트 내가 도움을 둘 것이다 곳이다 파일 및 모델과 어디에서 내 훈련을 찾을 수 있습니다 데이터 그들은 큰 구성을 가지고있다

여기에 두 개의 노드에서 실행하고 있습니다 나는에 대한 구성을 가지고 마스터, 작업자와 parameterer 서버 의 여기 및 작업 제출을 통해 가자 나는 배치 인공 지능을 푸른 할 수 있습니다 화면에, 우리는 작업 전 참조 그냥 주연시켰다

저 푸른의 들여다 보자 보관소, 난 내 작업에 대한 채우기를 볼 수 있습니다 그래서 데모 작업에 대한 파일 공유에 내가 만든 집중적 인 흐름 작업이 있습니다 당신은 표준 오류를 볼 수 있습니다 그리고 표준 출력은 그 일에 대해 생성된다 그것은 단지 시작입니다

파일과 모델은 내가 갈 것입니다 거기에가는 우리는 난 그냥 한 한 가지의 각각에 대한 자세한 내용을 이야기 할 것이다 아, 우리가 묻는 질문 중 하나, 우리는이 BAMP 구축해야합니까? 우리는 단지 스크립트를 제공해야 하는가? 사용자의 피드백은 내가 프로그램을하지 않으려합니다 이오의 전시 인프라를 알아낼 수 있습니다 정말 내가 노력하고있어 문제에 초점을 나에게 경험을 제공 인공 지능으로 해결합니다

작업의 경우, 생각 세 가지 다른 사용 모델 대화 형 모델 SSH에 BM 우리는 그것을 설정합니다 우리는 데이터에 액세스 할 수 있습니다 누군가가 가서 작업을 실행할 수 있습니다 대화 형 디버깅 개발 단계 더, 나는 해요 제출하고 출력을 모니터링 그것을 중지

그것을 조정 다시 또는 일괄 작업을 실행 hypercramer 최적화 또는 큰 훈련 중입니다 일 또는 몇 주 동안 실행 물어 실행됩니다 당신은 프레임 워크를 갖고 싶어 특정 구성 우리는 어떤 코드 나 스크립트를 추론 할 수 있습니다 당신은 실행할 수 있습니다 우리는 전혀 구축되지 않습니다 시스템에 주요 프레임 워크

CTK 집중 흐름, 카페, 토치 그래서 우리는 사람들의 지식을 갖는 좋은 일을 할 수 있습니다 아마도, 집중적 인 흐름의 경우 전문을하는 배터리 관리 시스템의 다른 측면에 다른 역할을 실행합니다 더 많은 구성을 가지고 당신이하는 대신 시스템의 유연성 코드를 보험업

배치의 경우, 그것 때문에 INC 다룬다 풀의 섬 혈압 유형, 당신은 처리 할 수 집중적 인 예 어디에서해야 할 두 개 또는 세 개의 VM의 크기 우리는이 컨테이너 운송 방식의 배포는 모든했다 컨테이너 기지 난 정말 사용하는 아이디어를 좋아 깊은 학습을위한 문서 컨테이너

그 쉬운 방법은 작업을 포장합니다 라이브러리, 스크립트 및 도구 당신은 피드백에 공급하는 것이 개인 미리보기는 역시 가상 머신 같은 사람이다 이동 및 배포 취소 할 수 있습니다 고정 표시기는 여전히 사람들에게 상당히 새로운 기능입니다 우리는 containerss를 많이 제공했습니다 VM을 너무 잘 작동

또 다른 장점은 우리가있다 데이터 과학의 VM과 예제를하는 소프트웨어의 많은입니다 이미 설치가 쉽게 가서 시작합니다 노트북에 개발 및 진행과 같은 작업을 실행 위로 구름합니다 그래서 용기 및 기계, 우리 설치에서 스크립트를 실행할 수 있습니다 당신이 원하는 무엇이든 당신은 당신의 자신의 패키지를 구축하지 않으려면 따라서 우리는 다음과 같은 이상에 대한 이야기 ​​저장 옵션을 공유 할 여러 밖으로 확장 할 경우 서버를 투자 관리 의 GPU와 푸른 파일은 당신이 공급 성능을 제공합니다

프로그래밍 요구에 대한 생각, 당신은 배치 인공 지능을 사용할 수 있습니다 단독으로 또는 더 큰 작업 흐름 또는 도구 intgreat 그것은 배치 기반으로 우리는 이름 일괄 처리에 대한을 사용하는 몇 가지 이유 하나는 교육의 당신의 종류에 일괄 스타일은, 그러나 그것은 또한 푸른 배치, 기반으로 구축 우리의 클라우드 규모의 자원 관리 및 작업 예정 서비스 그것은 초기, 하나 하나 첫 번째 해결하기 위해 푸른 내장 서비스, 맥 redos의, 푸른 내의 다른 문제를 렌더링하는 것은 처음 시작되었다

그러나 지금 수년 동안 생산 지났는데 고객은 당연히, 당신이 20를 알고, 상기 급성 실행을하고있다 40, 10 코어 규모 그것은 주변의 모든 지역에서의 세계 및 배치 스타일 유형의 응용 프로그램을 수행하기위한화물 방법, 및 경험을 프로그래밍, 그것은 팅의 최종 사용자 유형이 아니다 우리가 내장 된 샘플은 오픈 소스를 수행하는 제 1 단계이었다 위에 높은 수준의 경험을 제공하는 프로젝트 일괄 그러나 우리는 지금 하나를 복용했다 인공 지능을 더욱 단계 배치와 일반 모델은 매우 간단합니다

실행하려는 어떤 프로그램을 지정합니다 전달받을 수있는 모든 매개 변수를 설정합니다 어디를 실행합니다 이 지역의 VM의 수 얼마나 많은 경우 병렬로 실행합니다

괜찮아 우리의 사업 모드는 상당히입니다 정직하고, 사용 컴퓨팅 비용을 지불합니다 배치 또는 배치 인공 지능을 사용하기위한 추가 비용은 없습니다, 표준 VM을, 우리가 사용할 수있는 일반을 발표하고 지원 의 낮은 우선 순위는 일치와 VMS 의 낮은 우선 순위의 생각 SPOS 가격의 등가, 그것은 일부 지역에서 사용할 수있는 경우 원하는 사이트에 대한 전 세계적으로 당신은 가서 당신이 할 수 있도록하는 매우 큰 할인 혜택을 사용할 수 있습니다 언제든지 선점

의 앞서 가자 당신에게 하나를 보여 더 많은 데모, 파이썬보기의 종류 내가 당신을 드리겠습니다 – 얼마나 많은 당신이 jupter 노트북을 잘 알고있는? 그것은 우리가 정말 코드, 공유 사례를 공유 할 수있는 좋은 방법입니다 지금 우리의 튜토리얼의 번호를 수행하고, 노트북을 제공합니다 그래서 우리가 표시되는 샘플의 무리를 할 겁니다, 부부 다른 세션 여기 푸른 기계 학습을 가리키는 당신은 훈련의 전체 업무 흐름을 통해 안내합니다 우리는 표준의 샘플 중 하나, 하나를 가지고 여기에 한 샘플을 표시하고 포장 개념으로 어떻게 내가 여기에 보여 드리겠습니다 것은 파이썬 API를, 당신은 배치와 상호 작용 얼마나 종류

우리는 내가 처음으로 보여 주었다 CLI 예를 취하지 않았다 대신, 스크립트 나 코드 t에서 운전하고자합니다 첫 번째 단계 배치 AI 라이브러리와 스토리지를 가져 오는 것입니다 나는 또한 내 저장 계정으로 구성 스타일을 가지고있다 내가 사용하고 구독, 내 푸른 디렉토리를 행동했다

푸른 디렉토리 자격 증명을 행동했다 그래서 당신은 가서 소스를 공유 할 수 있습니다 다음과 같은 코드가 아닌 코드의 암호 또는 비밀을 가지고있다 그리고 열 가서 내 클러스터 EM에 2이 작업을 실행하고 가서 푸른 파일 공유를 만듭니다 이미 여기 존재하지 않습니다 나는 이미 데모 파일 공유가 활성화있어

이 사건은, 내가 가서 만들거야 새로운 이사의 경우 스크립트 당신은 저장 페이지에서 다음을 보았다 이 디렉토리는 존재하지 않았다 주위에 이동이 파일을 복사에서 우리의 데이터 세트를 참조 우리 그 푸른 파일로 노트북 최대 몫 그리고 거기 이동합니다

우리는 모두에 설정되어 viernlt 변수가 기계, 푸른 쉽게 학습 경로를 마운트합니다 이 여기 어디, 우리가 말할 수있는 환경 변수입니다 우리 여기 당신의 훈련이다, 공유 파일 서버를 마운트 할 건가요 데이터는 여기 모델의 출력이고 여기서 내가 말하고 될 수 있습니다 그들은 에 대한 표준을 둘 것이다 이 구멍의 위치에이 작업 그리고 모델의 알파 디렉토리 이 여기에 작업 구성입니다 몇 중요한 건

여기에 내가 마력의 GPU, 순이익 기가에서 실행됩니다 스크립트 우리는 이동 및 저장 A로부터 방수포 파일을 잡아 것입니다 부 훈련이 간다 있도록 로컬 노드의 각을 유지 빠른 리틀 여기에 가상 컴퓨터를 사용하지 않을거야

나는 CTK 컨테이너를 사용하는거야 그래서 우리는 CTK의 REPO을 가져옵니다 작업이 컨테이너를 참조 처음 실행, 우리는 것입니다 가서 그것을 가져옵니다 당신은에 대한 추가 작업을 실행하는 경우 같은 컨테이너와 같은 IBM, 그것은 현금과 유럽 연합 (EU)이 될 것입니다 당신은 두 번 다음이 다운로드 및 모욕 시간을 지불하지 않습니다 마지막으로 명령 행 설정 나는를 실행하려면 구성은 처음이다

당신은 뇌 스크립트를 실행하고 있습니까 또는 파이썬 스크립트와 명령에 파이썬 스크립트 경로 그들이 전달하고자하는 라인? 내 데이터이었다이 경우 출력은 tntk 보드의 출력 로그 가서 넣어 수 있습니다, 이동 알파 파일에 그 일 모두가 잘된다면, 우리는해야 지금의 타임 스탬프와 작업을 만듭니다 작업이 시작하는 것입니다 당신은 8 개 개의 노드에 할당 할 참조하십시오

우리는 데이터를 수행 시작됩니다 준비 단계와 실행됩니다 한편, 그냥 가자 그리고 몇 가지 다른 일을 살펴 우리는 우리는 최대 포털로 이동 작업 2343을 참조하십시오 우리는 아직 배치 된 배터리 포털 경험이 없습니다 당신을 표시하려면이 생산까지의 현실이다

나는, 내가 데모를 위해 만든 연구 그룹에 갔어요 모든 자원에서 보았다, 당신은 마이크로 소프트의 리소스를 참조 일괄 클러스터 인공 지능 이러한 세 가지 클러스터입니다 명령 줄 2343에서 본 것이다 그래서 작업이 실행 중입니다 또한 스토리지로 이동, 그래서 내가 할 수있는 내가 보여왔다 저장 탐색기에서 푸른 파일을보십시오 나는 최대 포털을 통해 갈 수 있습니다

데모로 이동합니다 내 비문 채용 그게 내가 방금 만든 일이다 당신은 표준을 볼 수 있습니다 작업을 위해 만들어진 표준 오류가 난 실행 작업을 준비합니다 그 단계는 데이터입니다

이를 위해 파일을 생성 할 수있다 표준 출력 및 표준 오류 다음 모델 파일 따라서 보드가 이동합니다 작업이 아직 시작 경우 우리는 참조하십시오 어떤 문제가 있는지 그리고 우리는 볼 수 있습니다 아니, 그건 좋다 또 하나의 순간

괜찮아 그래서 작업입니다 달리는 괜찮아 데이터 세트 그래서 일자리는 방금 시작

그것은 아니다 이제 이동하자 우리는에 그에게 돌아올 것이다 미소 한 그래서 우리는 당신이 구성을 훈련 할 수 적대적인 방법보고있다 이라크 또는 코드입니다 내가 보여준 최초의 데모입니다 CLI를 사용하여

나는 몇 가지 작업을 할 필요는 없습니다 파이썬에서 어떻게 스크립트 서비스를 배웁니다 나는에서를 구동 할 수 구성 파일 그 이유 중 하나는 당신이 할 수있는 이 지금, 당신이 통합 한 일괄 인공 지능 자원 관리자를 수행하거나 팔 API가 있으므로 팔, 그것은 푸른 명령에 갈 것입니다 라인은 인증이 열은, 푸른 액티브 디렉토리를 통해 이루어집니다 물론 선물, 다양한 역할 그래서 당신은 한 사람이 할 수있는 클러스터와 관리의 핵심을 담당하고있다 작업을 배포 할 수 있습니다 대신 사용자의 자원, 대신 단지 로그를 읽을 수있는 사용자 파이에 대한 API가있을 것입니다 제 1, CC 번호 자바 휴식

우리는 고객의 API를 사용했다 자신의 작업 흐름에 그들을 사용하여 미리보기 및 intgreat하기 그리고 도구를 제공합니다 그것은 눈 정말 친절했다 미리보기에서 우리를 위해 열기, 우리 한 번 조리법과 도움의 세트에 푸른 CLI를 배포 사람들은 주요 프레임 워크를 시작, 그것은 개방 용법 나는 그 사고 방식이라고 생각 예 데이터 과학자들은 파이썬에서 작업을 할 수 있습니다 그들은 가서 내가 푸른에서 처리 할 방법을 알아낼 싶지 않아 파이썬은, 그들은 단순히 내가에서 실행하려는 어떤을 가진 파일을 구성 내 일 이 광고 거대한 파일입니다

우리는, 다른 파일에 대해 이야기 결국, 여기에 매개 변수는 나는 작업을 연타 실행 작업을 제출합니다 그것은 훨씬 쉽게 작업 흐름이었다 앞으로 일자리 가족 상태를 실행 우리의 데이터의 관점에서 나는 어떤 스타일에서 가장 큰 과제 중 하나라고 생각 참여는 규모의 데이터를 처리 할 방법입니까? 불행하게도, 아무도 쉽게 대답이 없다가 내가 당신을 줄 수 있습니다 당신은 다른의 번호를 가지고 방법은 배치 인공 지능와 함께 작동합니다

우리는의 지침을해야합니다 때 무엇을 선택해야하는지의 문서 사람이 할 수있는 가장 쉬운 것 중 하나는 로컬 디스크입니다 MS는 6 SSD를 제공 엠씨와 함께 훈련 세트가 아닌 경우 rnlg 라, 어쩌면 당신은 경우를 그렇게된다 아래로 로컬에 시간이 지남에 따라 교육, 데이터를 복사의 많은 발굴은 많은 이해를 할 수 있습니다 긴 작업을 참조 푸른 파일은 이러한 쉽습니다

이 포털에있다 내에 마운트 할 수있는 모든 다음은 VM을 렌더링합니다 당신은 CLI에서 출력을 스트리밍 할 수 있습니다 유사한에서 헛된 스토리지 팀은 푸른 블로그를 제출하고 모든 직접에서 생활 경험 BLOB 저장소의 탑은 아마도이 발표 한 주 다음 커플 우리가 할 하나 개의 특정 스토리지는에 배포 할 수있는 기능입니다 MFS 파일 서버, 그래서 전문 가까운 종류가 우리 이 NFS를 배포의 일환으로 모니터링 한 섬기는 사람

그런 다음 가서를 장착 할 수 있습니다 노트북이나 마운트지도 책에서, 데이터에 복사합니다 로그가에 대해 실행되면 그만큼 확장 성이 아닌 경우 당신을 위해, 우리는 병렬 파일의 수를 배포하는 스크립트를 가지고 푸른에서 시스템 광택은 bgvs는 템플릿을 팔 스크립트

이 곳에 대형 인공 지능이다 연구 팀은 우리에게오고있다, 말하자면, 우리는 어떻게, 호수를 확장 할 조지 규모의 실험, GPU의 수백, 여러 번 매우 큰 데이터 세트 있습니까? 이 또한 성능 scaleability의 관점에서보고 소송 비용 지역의 저울이있다 당신은 그것을 지불 할 것이다 그러나 규모에 한계가있다 파일 및 BLOB는 사용하기가 매우 쉽습니다

당신의 종류는 비용을 지불하고 스토리지 및 일부 거래와 특정 한계를 차지합니다 당신이 NFS 서버 또는 병렬 파일 시스템을 사용하는 경우, 당신은 파일 처리 시스템의 가상 머신에 대한 지불 뿐만 아니라 뒷면있다 그 시점에서 당신은 아마도 프리미엄 스토리지를 사용 어떤 좋은 것은 우리가 확장 할 수있다 이 위아래뿐만 아니라 그래서 우리는 그것을 해제 일 또는 몇 주 동안 트 베리 파일에 갈 수 있습니다

좋아요, 우리가 가서 그것을 회전 할 수 있습니다 당신은 가서 끌 수있는 VMS, 스토리지의 디스크를 유지하고 당신이 때를 재수 다시 훈련 준비 당신이 그것으로 작업하는 경우, 당신은 푸른 파일에 연결할 수 있습니다, 우리가 할 것은 우리가 가서 마운트입니다 원격 볼륨, 당신은 NFS 또는 푸른 파일을 마운트 사용하는 것 VM에 넣습니다 당신이 컨테이너에 작업을 실행하는 경우, 우리는 그것을에 마운트합니다 컨테이너 노 설치의 일환으로

해당 컴퓨터에 만들어 원하는 볼륨 당신은 우리에게 는 작업을 통해 깃털이있어 그가 있는지 우리는 할 수 있습니다 작업 흐름의 일부, 당신은 내가 얼마나 생각해야 군중에서 그 데이터입니다 로 이동하는 스크립트를 가지고 VMS 또는 파일 시스템 또는 내가 도구를 사용하고 당신이 그것을 할 수 있도록하는 그리고 배치 인공 지능과 규모의 기차를 이동합니다 CLI는 매우 정직하고 있습니다 등이, 객체를 유지 cluter 작업 그리고 파일 서버 생성의 기본 조작, 목록, 해당 작업 또는 파일 서버에 대한 세부 정보를 얻을

우리는 로그에 액세스 난에 출마하는 사람을 위해 볼 수 작업 및 클러스터를 종료 파일 서버하십시오 우리는 데모로 돌아가서 받아 봐 오 기 내 작업을 실행할 시작 것을 알 수있다 우리는 그래서, CLUS 전자를 다시 프로비저닝 컨테이너는, 아래로 데려 해당 시스템을했다 내가 지금 실행을 볼로드 노력하고있다

그것은 실행하는 데 약 15 분 소요 우리는 파일을 열거하면 다른 하나 개의 동작을 보여줍니다 저장 디렉토리에 저장됩니다 내 표준 출력이 있습니다 및 표준 오류뿐만 아니라 같은 모델의 출력 파일 그래서에서 그것을 얻을 수 API를 동일하게 사용 여기 서버 여기에 표준 아웃은, Sarnd 오류입니다 출력

나는 모델을보고 그 것 집중해야합니다 나에게 새로운 가자와 당신에게 보여 CLI를과 같은 것 최초의 가서 내가 설치 한 것을 클러스터에서 한 번 확인 할 수 있습니다 그래서 나는 푸른 배치 AI를 실행하겠습니다 도움말은 내가 파일을 가지고 서버 및 작업이 클러스터는 리드를 생성 상주는 모든 통해 걸어 사람들은 거기 우리는 간다 >> 우리가 들어가서 그 직업을하자

가서 내가 지금 가지고있는 작업을 나열합니다 그래서, 이제 가서 만들 수 있습니다 직업 작업 CRE를 수행 이 첫 번째 명령 그래서 다시 먹었다 그것은 새 작업을 만듭니다 그래서 내가 다시 갈 수 있습니다 클러스터

의이 들어갈 새 클러스터를 만들어 보자 첫 번째 클러스터 문장 우리를 만들 아무것도 용서하지 마십시오 그래서 우리는 나는 우리가 이름을 지정 것입니다 필요한 일을하십시오 밤 데모를 호출합니다 >> 우리는 그것을 구성 파일을 제공 할 것입니다 난 그 옆에있는 VBM을 사용하여 물론 그 실행에 들어가는있다

여기에 내가 측면 VBM의 난에서 실행하고 싶은 지역 지정 사용하고 싶습니다 나는 하나 개의 GPU를 사용합니다 스케일 인 seting 규모 수동으로 의미 제어 할 수 ewant을입니까? 나는 아래로 수직 또는시기를 결정하거나 내가를 사용 하시겠습니까 내가 확산 할 경우에 일괄 자동 스케일링, 최소 크기의 전자 측과 최대 사이드 및 메모의 수 난 배포합니다 이 경우 내가 두를 배포합니다 헌병 6S 두 번째 구성이며 내가 원하는

이것은 DM입니다, 내가 마취 된 것 같은 수행 와 교육 또는 내 용기를 호스팅 할 DM 이 경우, 나는를 사용합니다 리눅스 데이터 포털 을 사용합니다 최신 버전 다음 설정은 노드 설정입니다 내가에서 설치하려는 볼륨을 지정하는 경우 여기 MFS 또는 병렬 파일 시스템에서 블로그 queus에서 푸른 파일

난 내가에있어 스토리지 계정 이름과 자격 증명을 사용하고 내 구성 파일은, 그래서 내가 비밀을 공유하지 않고이 작업을 수행 할 수 있습니다 즉 그 특정 저장소 계정에서 해당 URL을 생성합니다 그것은 쉬운 파일입니다 마지막으로 사용자 계정입니다 당신이 경우에 당신이 필요합니다, 그 기계에 만들려면 디버깅 또는 대화 형으로 실행하기 위해 로그인합니다 이 경우, 나는 이름 알렉스와 무대를 지정하고 있습니다 공개 키 키

>> 그것은이다 클러스터 입술 탁자 그리고 내가 만든 좋은 데모가있다 그것이 문제이다 그거 좋았어

괜찮아 즉 실제로 타격되었다 내 분출은 그래서 내가 로그인 할 수 있습니다 괜찮아 그래서 우리는에 있었다 배치 인공 지능 와 클러스터 괜찮아 노드가 배포 된 데모

그들은 BM을 설치합니다 다른 명령은 내가 할 수있는 경우 여기에 배치 BMS의 수를 변경할 수 있습니다 의 클러스터에 대한 가정을보고 가자 나는, 크기를 조정 클러스터 갈 수 우리가 가서 VM을 업데이트하고 있습니다 의 한 두로 이동을 부르 자 VM의 즉 갈 것입니다

우리는 가서 보면 클러스터 목록은 다시 그에있어 보이나요 즉시 상태를 VM에 할당 될 때, 그것은 것입니다 크기 조정 A는 준비로 전환하고, 풀은 증가 할 수 있습니다 그래서 명령 줄은 냉각 아래 당신이 확장 할 수있는 스크립트 나입니다 그리고 가서 당신을 위해 그것을 할 내가 몇 가지 작업을 실행 가자와 당신이 사용할 수있는 몇 가지 도구를 바느질 먼저 나를 가서의 IP 주소 무엇인지 살펴 보자 DSBM 클러스터에 기계가 난 것 때문에 여기에 ssh를하고 수행, 여기에 내가 기억하지 않을 수있는 명령, 그래서 레즈 배치입니다 아이 클러스터 세 가지 모드로 또한 DSBM 즉, 테이크에 대한 접근이다

즉, 두 BMS의 클러스터 IP 허용 육박 주소 및 포트입니다 내가 여기에 SSH 투어에 가자 그리고 난 그를 참조하십시오 그것은 변경된

그 연결 것 기계 내가 가서 볼 수 그래서 지금 여기서,이 데이터 과학 DM입니다 나는 데스크톱을하거나 노트북 했다 기계로 쉿 배치로 구성하고 대화와 작업 환경 우리가 설정합니다 프로세스는, 어쩌면 내가 가고 싶어 GPU가 실제로 사용되는 경우를 참조하십시오 우리는 비디오 모니터링 도구를 실행합니다

가자 그리고 새 작업을 제출합니다 우린 갈거야 그리고 작업을 만듭니다 우리는 그것을 DEM 전화 할게 포 작업 이것은 dsvm 지정됩니다 중부 표준시 – 우리는 아, 잠깐만 집중 흐름을 사용합니다

그 작업을 제출 이동합니다 >> 그 하나가 시작됩니다 전체는 CPU 사용이 증가하기 시작을 참조하십시오 가자 작업을 실행합니다 큰

>> 그 작업은 꽤 빨리 실행됩니다 내가 당신에게 작업이 실행되는 데이터에 액세스 할 수있는 식품 방법을 보여 드리죠 어서 다른 작업을 만들어 보자, 우리는이 하나 개의 TF 데모를 호출합니다 그 첫 번째 작업이 때 지능 지수로 가서 실행됩니다 완료 한편, 내가 갈거야 그리고이 명령을 잡아

나를 스트리밍 도움이 갈 것 새로운 명령 줄 창에 출력 마치 내가 작업을 올바른 이름을 주었다 큰 나는 그 중 하나를 실행하는거야 명령이 창 이들은 지금 시작해서 갈 것입니다 이미 개최되는 데이터를 볼 수 있기 때문에, 지금 작업을 참조하십시오

그래서 내가 가서 파일에 액세스하는 방법을 몇 가지 예제를 공유 스토리지 통해 우리는 가서 파일을 스트리밍 할 수 있습니다 당신이 가서 모니터링하거나 이해하기를 원한다면뿐만 아니라, 무엇이다 당신이 실행하는 동안, 당신의 시스템 중 하나에서, 무슨 직업 동시에, 우리는 갈 수 있습니다 저장을 열거 나 그냥 가서 출력을 잡아 보자 파일 나는 동일한 일을 할 수 모델 우리는 알아 보겠습니다 이러한 작업을 실행하기위한 구성

똑같은 그래서 두 가지 버전 집중 흐름 작업 그래서 다시,이 장면은, 그것은 어디에서 실행됩니까? 내가 원하는 경로 이 특정 작업에 대한 구성, 내가 어디에 사용하고자하는 내 모델 데이터입니다 어디에 입력 데이터입니다 내가 실행하려면 무엇 스크립트 얼마나 다음이 작업에 집중 흐름 작업에 대한 노드 특정 설정

이 작업은, 더 용기가 없다 호스트에서 직접 실행됩니다 나는 똑같은 작업 파일을 가지고 여기에 한 가지 차이점 나는 용기 설정을 추가 어느 아래 집중적 인 흐름 컨테이너를 끌어 말하고있다 그것은 첫 번째가 이상했다 이유입니다, 제 1 램프 것이다 실행, 그것은 고정 표시기 허브에서 컨테이너를 다운로드했다 그리고 작업의 이유를 설치 한 후 작업을 실행합니다 내가 작업을 실행 두 번째 시간, 컨테이너는 이미 현금되었다 그것은 신속하게 시작했다

즉 그것에 대해입니다 나는 당신에게 한 가지 더 보여줍니다 그래서 다시 쉽게 배치로 이동 일체 포함 작업 목록 출력 테이블 내가이 완료있을 때 내가 뭘 정리할, 난 그냥 페치 할 수 아이의 작업은 삭제합니다

그리고 집중적 인 흐름 일 >> 그 중 하나가 수행됩니다 당신은 라이브 작업이 이루어집니다 볼 수 있습니다 그것은 종단 그래서 내가 보여 당신이있는 의 기초는 어떻게 작업을 실행합니다

몇 가지 방법으로 당신이 할 수있다 plem의 t에서 일을하기 위해 활용 첫 번째 인 parameterer 스윕 또는 실험을 호출합니다 나는 인공 지능을 개발하는거야, 첫 번째 단계는 나의 무엇이다 회로망? 몇 층? 어떤 층의 종류, 어떻게합니까 누구,? 사람들을 많이 할 이 실험 두 번째 단계는 내가 원하는 방법입니다 작업을하려면, 내가 조정하는 실험의 숫자를 실행 하이퍼 파라미터 이 찾기 구타 우리의 방법입니다 나에게 정확성과 성능의 최적의 균형을 제공 할 것입니다

어떤 사람들은을 제출하여 대화 형으로이 작업을 수행 작업의 수 어떤 사람들은이 스크립트를 작성 A는이 세트로 작업을 이동 및 실행, 이동 및 제출인가 프로그래머 우리는 몇 할거야 여기에 상황이, 도움이 스크립트는 말을 쉽게 이동하고 실행할 수 있도록 그 가서이 범위 내에서 이러한 5 개 개의 매개 변수를 테스트 그리고이 단계에서뿐만 아니라 살펴 본다 같은 몇몇의 인 오토 튜닝 프레임 워크 및 도구 세트 흥미 롭 업계에 걸쳐 개발하고 그들이 취할 쉽게 만들 규모의 장점 스케일에 대한 두 번째 부분은 multigpus을 활용 – 멀티 GPU는 설정하는 커뮤니티 표시, 이벤트 풀은 제대로 작업을 시작합니다

몇 하나 중요한 점은 푸른에 활용합니다 시장에서 사용할 수있는 새로운 BTU의 LTS 이미지는 이제 있습니다 즉 푸른 네트워킹 및 다른 부부 드라이버가 현재 수정 우리는 우리의 튜닝의 대부분을 수행 한 그리고 intelliand의 MPI와 함께 테스트 우리는 모두를 지원하지 않습니다 때문에 우리는 가상화를 어떻게의 동사 아니 모든 MPI 스택에 작동 하늘빛

우리는 아주 좋은 안정성을 얻을 인텔과 다른 핵심 성능은 모든되지 않습니다 가족은 GPU를 사이에 multigpu 또는 API를 지원하고 있습니다 때문에 우리는 푸른이 무엇인지에 정말 잘 모두 규모 둘 우리가 노력하고 어떻게 내가에 터치합니다 마지막 조각을 추측 마이크로 소프트에서 폭 넓은 인공 지능의 노력과 함께 나는 일에 대해 생각하고 시도 이를 위해, 우리의 고객은 훈련과 그들의 고객을 배포 도왔다 아이의 엔드 – 투 – 엔드 이 부서는 취할 수있다 당신이 무엇이든간에 데이터, 개인 데이터, 공공 데이터의 의미, 당신이 원하는 어떤 도구를 사용하여 작업 할 수 있습니다 어떤 프레임 워크, 언어, 에서 작업, 비주얼 스튜디오에서 작업, 스크립트에서 근무 matlab에 가서 남쪽 규모 훈련 방법을 확장 다음 GPU 배치와 클러스터와 함께 가서 함께 그를 배포 푸른 기계 학습은, 같은 데이터로 기차 모델을 배포합니다

가서 당신이 원하는 그러나 그 모델을 사용합니다 내가 사용하는 이런 종류의이 말을 생각한다 비전에 우리의 진화와 함께 마이크로 소프트에서 가질 수 두 기계 학습을 지원하는 푸른 기계 학습 그리고 각 기능 깊은 학습은 AF 독립적 일이 될 수 있습니다 우리는 정말 잘 훈련을한다 팀은 논쟁에있다 아주 잘 operationalizing이있다

당신이 그와 서비스를 사용할 수, 당신은 그들이 모금 스티치 수 있습니다 또는 당신은, 예를 들어, 우리가 개발하고있는 도구를 사용할 수 있습니다 푸른 기계 학습, 즉 당신에게 좋은를 제공합니다 통합 및 경험 그러나 중요한 점은 여기 선택 약 우리는 돌볼거야 인프라, 정말 잘 훈련을한다 확실히 우리는 당신이 원하는 모든 다른 도구와 잘 재생합니다 사용

인프라에 대한 스토킹, 그들은 우리의 로드맵의 언급없이 완전하지 않을 것이다 이는 지난해 시작 MK-80의 GPU >> 그 흥분을 몰고 배치 인공 지능에 대한 교육 우리는 파스칼을 출시된다 엔비디아의 세대 우리는 생산에서의 GPU가 이제 우리는 곧 엔비디아 P-100과 기대로 시작됩니다 우리는 엔비디아와 매우 긴밀하게 협력하고 가지고 계속됩니다 자신의 최신 기능 푸른 그것을 사용할 때

또한, p-100S는 NCB 2 시리즈입니다 이들은 K-80의 다음 세대이다 그것은 정밀도와 배정 밀도 부동 소수점을 지원합니다 SPC 및 금융 매우 중요 이중 정밀도 서비스는 K-80, P-100 모두에 대해 깊은 고체 형 GPU 뿐만 아니라 학습 우리는 발표하게 된 것을 기쁘게 생각합니다 우리의 깊은 학습 GPU 시리즈 엔비디아 P-40

등 모두 교육에 매우 유용 잘 추론으로, 내가 가서의 기차 모델 점수를 먹고 싶어 GPU 또한, p-40는 좋은 곳입니다 또한 K-80이며,보다 GPU에 더 많은 메모리를 가지고 우리가보고있는 가장 큰 모델 크기에 대한 중요 우리는 P-40에 관심을 많이 가지고 있어요 이 슬라이드는 이유 실행됩니다

특정 프레임 작품과 모델에서, 당신은 두 배 얻을 수 속도를 올리다 이 규모를 평행 곳입니다 내가이 큰 모델을 구축하고 얻을 수 있다면 그것은 갚는다 내 연구, 내 번의 실험을 얻는다 내 훈련이 훨씬에서 수행하기, 훨씬, 훨씬 짧은 시간 배치 인공 지능에 대한 로드맵의 관점에서

우리는 5 월의 경우 개인 미리보기를 시작했다 나는로부터 좋은 피드백을 한 고객 당신이 경우 당신은 여전히 ​​가입 할 수 에 원 우리는 여전히 몇 가지 더 복용하고 공공 미리 개방 10 월 9 일에 앞서 사람들 10 월 9 일을 퍼팅

그것은 일주일 정도있을 수 있습니다 우리는 대중 미리보기를 해제 트랙에 있습니다 자체 즉, 팔 제공 업체, 포털의 기본적인 지원 어떻게 CLI와 SEK 이 공공 미리보기는 모든 것 모든 사람에게 열립니다

그리고 우리는보고있는 향후 6 – 투 – 12 개월 종류에 제공합니다 시나리오의 다음 세트 아마도 가장 중요한 것은 교육 대상 또는 하나되고 있습니다 정말 푸른 기계 학습과의 교육 목표 논쟁, 준비의 수명주기에 참여, 실험과 사물에 운영 거짓말 사용하는 다른 방법으로 사람들의 전체 무리가있다 trarianing에 대한 다른 목표 많은 관심에가 스파크 이 배치 SPCI 교육 및 관심의 많은 우리는뿐만 아니라 하나에 대해 이야기 피드백을 얻는 것은 너무 채점 및 테스트에 도움이됩니다

즉, 우리가 말을보고있는 또 다른 유스 케이스의 잘, 우리는 할 그 또 다른 전문적인 API를 제공? 배우기 >> 우리가 직선으로 이동 함 일괄? 최종 것은, 어떻게 생각 내가있는 동안, 내 데모의 모두, serviceless 작업을 수행하려면 작업을 제출, 생성 된있다 당신이 말하는 그 단계를 가고 싶어, 여기에 내가 원하는거야 이 지역에서 배포합니다 가상 머신의이 수,이 이미지 그 공통 모델을 생각합니다

사람들 또는 당신은 종종 싶지 않아 하나의 작업 내가 가서 내 클러스터를 배포 할 아마 삼분 5 분 일곱 분 소요 설정 작품의 무리를 수행하고 설정 떨어져서 우리는 요청의 무리 있었다 서비스 덜 모델의 발동기하십시오

등 나 내 일, 내 자원, 불을 설명하고 이동 잊지 것이다 내가 클러스터에 대해 생각하고 싶지 않아요 그리고 배치 단어, 우리는 수달 수영장, 호출 당신은 수영장을 설명하거나 아래 매뉴얼에 갈 필요가 없습니다 수영장, 우리는 그것을 알아서하겠습니다 당신 나는 서비스 덜 전화를 싫어 모델

아래에 서버가있다 당신은 단독으로 액세스 할 수 있습니다 당신과 공유하고 싶지 않아요 다른 사람과 다른 컨테이너 나에게 하나의 API를, 불을주고 일을 용서 그래서 이것은 당신에게 얼마나 푸른 BAMP과 방법을 좋은 리뷰를 제공합니다 규모와 함께, 귀하의 AI를 실행하고 도구 마이크로 소프트과 종류 의 마법을 얻을 CT-비밀 소스

[손상된 오디오]

Machine Learning to Reduce Employee Attrition @mdancho84 #DataTalk

– 안녕하세요, 및 Experian의 주간 데이터 토크에 오신 것을 환영합니다 똑똑한 사람들의 일부를 특징으로 쇼 데이터 과학에서 작업

오늘 우리는 매트 Dancho와 이야기하기가 매우 기쁘게 생각합니다 그는 비즈니스 과학 LLC의 설립자이다 성공적 절삭 구현 한 금융 및 마케팅 데이터 과학 기술 그는 경영학 석사 학위를 취득 펜 스테이트 및 과학 학위의 석사에서 피츠버그 대학에서 산업 공학이다 그리고, 매트, 우리는 너무 흥분 당신에게 오늘 우리의 커뮤니티의 일부를 가지고 있습니다 어떻게, 매트거야? – 내가 나와있는을위한 좋은, 감사하고 있어요

정말, 마이크를 주셔서 감사합니다 – 그래서 나를 위해 그렇게 인상적이다 당신의 학력을보고, 당신이 알고, 산업 공학도 컴퓨터 과학 나는 모든 보드에 걸쳐 같은거야, 의미한다 수학 및 통계 물론, 열렬한 팬 그리고, 분명히, 우린 이야기를 조금있어 당신이 종류의 데이터 과학에 빠진 방법에 대한하지만, 당신은 당신의 여행이 엔지니어링에서 진행을 통해 우리를 걸을 수 당신은 지금 무엇을 한 후 다음 컴퓨터 과학 및? – 그래, 그래 음, 꽤 독특한, 나는 말할 것이다

그래서 다시 내가 대학을 졸업 할 때 나의 시작은 기계 공학에 있었다 그래서 2006 년에 펜실베니아 주립 졸업 내가 바로 학교에서 나의 첫 직장을했다 그리고 데이터 과학 아니었다 이 밸브 엔지니어링에 있었다 나는 기계 엔지니어였다 때문이다 그리고 나를 위해, 내가 정말 좋아, 정말 시작되지 않았습니다 않는 것을의 데이터 과학 측면 내가 처음으로 관리 역할을 시작했다 때까지 그래서 2011 년까지 실제로하지 않았다

그때까지는 내가 Excel에서 작업을하고 있었다, 주로 계산, 공학 계산을하고, 자동화 조금하고, 일부 BBA 및 물건 하지만 정말, 그 첫 번째 관리 역할까지이지 않았다 약 2,011 롤을 상상하면 엔지니어있어 관리 역할에 추력된다 테니 그래서 당신은 무엇을 어떻게해야합니까? 당신은 엔지니어 플러스 사업 위치를 얻을 수 이다 분석, 당신은 알고있다 그건 바로, 방정식이 어떻게되는지 어떤 종류입니까? 이해할 필요가있는 당신이 나있어 그래서 및 파악 및 분석하고 난도질 정말 그것의 비즈니스 측면을 이해하고자합니다 판매, 당신이 알고, 나에게 완전히 외국이었다 그 시점에서

그래서 비즈니스 인텔리전스로 실제로 시작했다 그냥 주로 설명하기 위해 노력하고 무엇이 우리의 사업 내에서 일어나고 내가 감독 주로 특정 지역 그리고 무엇 그것이로 변신하는 것은 결국 예측했다 다음은 가지 선 아래로 간다 볼 수 있습니다 우리는 기계 학습과 지금에있어 어디 모든 고급 도구 그래서 간단히 말해서 가지의 데이터 과학에 전문적으로 관련 한 지역도, 당신이 알고 싶다면 모른다 그것의 개인적인 측면에 대한 또한, 나는 금융의 일부 뿌리를 가지고있다

그래서 2011 년에 다시 내 자신의 포트폴리오를 관리하기 시작했던 또한 내가 학교를 졸업 할 때, 그래, 그렇게 많은 사람들이 실제로 tidyquant 패키지 나를 알고 있었다 – 그 흥미 롭군요 – 네, 그래서 그것은 재미의 종류입니다 내가 졸업 그래서 이것은 다시 2006 년이었다 이들은 종류의 병렬 경로로 가고있다

그래서 당신은 전문적인 측면을 가지고 다음은있어 금융에서 내 자신의 관심 내 개인적인 측면 그래서 금융 버블 2008을 시작했다 나는 끔찍한했다, 나는 주위를 쳤되었다 그래서, 나는 한 번에 관리 된이 포트폴리오를했다 그냥 내 자신의 개인 투자 그리고 금융 위기가 일어난 후, 나는 당신이 알고처럼, 정말 돼 활발 해지다했다

나는 엔지니어 해요, 당신도 알다시피, 나는이 작업을 수행 할 수 있습니다 그래서 내가 한 것은 정말 쭈그리고 앉았다입니다 나는 금융 시계열의 역학을 배웠습니다 그래서이 종류의 경우 데이터 과학의 다른 측면과 같다 종류의 나는 무엇을하고 있었는지에 뿌리를 가져옵니다 그래서 나는 실제로 내 주위에 투자를 회전 할 수 있었다 그냥 좋아하고 그들을 받아 실제로있는 우수한 공연한다 그리고 정말이 모든 과정을 통해, 결국, 즉, R

에서 tidyquant 패키지의 생성을 주도 나는 R과 종류의 흥미로운 관계를 가지고 있지만, 당신이 그것을 확실히이다, 알고, 그것은 좋은 타고있었습니다 무언가로 엑셀에서가는 그 그리고 실제로, 나는 처음에 모든 장소의 파이썬 시작했다 – 아, (마 ㅎ ㅎ) 이는 주요 프로그래밍 언어처럼 지금이다 – 기계 학습 및 분석을위한 선도하고있다 그러나 나는 그 리더의 자리를 얻을 생각 때문에 대학의 많은 컴퓨터 과학 학습되는 사람들을 밖으로 시작 파이썬에서 그들은 R

에 그 일을하지 않습니다 학계 반면에, 그것은, 통계 등 더 생물 제제는 심리학과, 당신은 알고있다, 이 지역 학자 매우 강력한 통계 분석이 필요합니다 그리고 내가 그것에 끌렸다 이유의 종류입니다 때문에, 엔지니어링 나오는, 나는 나에게 통계와 파이썬에 강한 조금 더 외국인이었다 그것은 부호화 측보다 때문에 그리고 당신이 알고, 결국 나는 코딩와 사랑에 빠졌다 하지만 R 측에, 정말 나에게 말했다 때문에 또한 그 시점에서, 해들리 위컴의 이름으로 신사 개발되었다, 그것은 아주, 아직 tidyverse을 호출되지 않은 나는, 그것은 아마도 Hadleyverse 불렀다 생각 그러나 그는 이러한 패키지의 일부를 개발했다 ggplot2 및 dplyr했다 그리고 결국 이러한 프로그램, 즉, R에 라이브러리 나 패키지라고합니다 내가 그들을 구현 시작 그래서 그들은 정말 나에게 말했다 나에게 사업을하고 있다는 스테로이드에 엑셀 같았다 (웃음) 그리고 나는 내가 것을 적용했다 그것을 충분히 얻을 수 없었다 모두 전문적인 측면에서 다음 또한 금융 쪽

– 나는 내기 기업은, 그것을 사랑 그냥 좋아하는 사실은, 그냥 엑셀에 사망했다 단지 새로운 게임을 가져 -이 시간에, 내 회사 때문에 정말 멋진했다 정말 방법의 단지 다른 종류의 의, 그것에 대해 생각 데이터 중심 기업을 주도했습니다 그리고이 데이터가 멋진 전에 나는 생각한다, 실제로 (웃음) 확실히, 우리는이 몇 가지 트릭을 가지고, 같은 그것은이었다 그것은 기계 학습을 싫어했다

그것은 XGBoost 또는 H2O 또는 물건의 아니었다 우리가 걸 아마이 이야기의에 터치거야 그러나, 선형 회귀 같았다 우리는 더 나은 예측을 만들기 위해 적용 할 수 있는가? 그리고 그것은 당신이 할 수있는 밝혀 당신은 시작 이러한 통찰력을 얻을 그들은 와우 요인이 될 수 있습니다 다음 더 나은 의사 결정을 할 수있게 – 그리고 당신은 회사에있는 유일한 사람 같아 즉,이 작업을 수행 할 수 있습니다 당신은 떠날 수 없다 (웃음) – 작업 보안, 예 그것은 자연의 출력입니다

– 그건 너무 재미있다 그래서 다시 하루에 같은입니다 데이터가 멋진 전에, 당신처럼, 같이 말했다 그리고 갑자기이 모든 기사를있다 에 대한 빅 데이터, 데이터 과학 가장 인기있는 새로운 위치 같다 그래서 당신의 마음에, 당신의 분야에서 무슨 일이 있었는지, 같은 종류의이 빅 데이터 폭발이 일어나고 같은 그리고 당신은 이미이 모든 일을하는거야? – 그래서 당신은 개인적으로 나를 위해 빅 데이터를 가지고와 같은 것, 빅 데이터는 다시 다음, 좋아,했다 어떤 이유로 Excel의 속보입니다 내 파일 크기가 위의 50메가바이트을 가지고 있기 때문입니다 당신은 좋아, 좋아, 즉 빅 데이터를의 것, 알고있다

분명히, 나는 다른 무언가를 해 그럼 당연히, 당신은 도구를 찾아 당신이 일을 거 도움을되는, 맞죠? 그리고 당신은 파이썬을 가지고, 당신은 R있어 저 그래서, R 내가 사용하던 것이었다 나는 R에 가서 한 번 나를 위해 빅 데이터는 좋아했다 의 만 행, 아무 문제를 당겨 그 도전이 아니었다 그것은 더 이상 빅 데이터 없었다 그래서 지금 당신은 내가 거기 생각이, 이러한 다른 오해 나 개념을 가지고 사람들이 심지어 빅 데이터라는 것을의 나는 하루에 그것을 다시 정의 무엇 더 이상 빅 데이터가 무엇인지입니다

당신은 빅 데이터는 이제 테라 바이트처럼, 알고있다 당신은 꼭, 컴퓨팅를 배포했습니다 클러스터, 하둡, 푸른, 당신은 모든 전문 용어의 이름을 지정합니다 그러나 나를 위해 대부분의 기업, 빅 데이터에 대한, 당신은 행 어쩌면 수백만 또는 몇 수백만을 이야기하고 정말 그 이러한 패키지의 많은 모든 관리입니다 – 좋아,이 매트, 너무 매력적이다, 그리고 오늘의 주제 모두에 대해 알고 당신이 도움을 모집 주위에 수행 한 작업의 일부 기계 학습을 통해 직원 이직을 감소 이 모든 당신이 쓴이 글을 통해 시작 그건 그냥, 폭발 바이러스 성 갔다 난 정말 당신의 과정에 대해 당신과 얘기하고 싶어요 그냥 매혹적인 왜냐하면 이것은 당신을위한 사이드 프로젝트로했다 마찬가지로, 당신은 너무 많은 데이터 과학을 사랑 오,이 흥미로운 영역입니다처럼 당신이있어, 난 그냥이 파고 싶다

그래서이 긴 블로그 게시물을 작성 즉,이 모델을 구축 방법에 대한 훌륭한 세부 사항에 간다 기업이 마찰을 줄일 수 있습니다 그래서, 당신은 그 기사를 통해 우리를 걸을 수 왜 당신은이 작업을 수행하기 시작 당신의 연구에 대해 조금? – 물론, 그래, 너무, 좋아 첫째, 그 HR 분석 기사가, 내가 말하고 싶지만, 물론, 나는 학습에 대한 열정입니다 사실, 나는 배우고 사랑 해요 나는이 블로그 기사를 작성하는 이유입니다

그리고 당신은, 우리의 웹 사이트에 갈 수 있습니다 우리가이 기사의 단지 톤이있다 우리의 소프트웨어 패키지와 이러한 사례 연구에 모두 나 정말 응용 프로그램 별 우리는 최근에 얻고있는 것입니다 그러나이 HR 분석 기사 실제로 클라이언트를 이길 수있는 방법으로 시작했다 그래서, 대부분의 사람들이 생각하지 어떻게 아마도 있었다 오, 우리는 단지 정보를 제공하기 위해 노력하고 있습니다 우리는 몇 가지 사업을이기려고 하였다 (ㅎ ㅎ) 우리가 일을 결국은이 문서를 작성했다 우리는 우리의 능력을 보여주고 싶었다 때문이다 우리는 헤이, 우리는이 잠재적 인 포춘 500 대있어, 말하고 싶었다 우리가 정말 우리가 해 고객이 그들을 끌어 우리는 정말 그들과 함께이 일을하고 싶어 우리는 이런 식으로 우리가 그것을 할 수 있다고 생각 이 문서를 작성하는 것입니다

실제로 클라이언트를 밝혀, 그 회사 내의 그룹은 HR했다 그래서 우리는 정말 우리의 스킬을 보여줄 수있는 가능한 방법을 보았다 우리는 데이터 세트를 찾을 수있는 경우 우리가 우리에게 사용할 수 있다고 불행하게도, 데이터 세트의 전체 많은 거기 밖으로 아니다 회사가 공유하는 단지 기꺼이 HR에서 오른쪽? 그래서 우리는 몇 가지 검색을해야했다 우리는 IBM의 왓슨의 웹 사이트에서 본 그들은 실제로 좋은 데이터 세트를하였습니다 그는 매우 중요한 주제와 관련된되었다 이는 직원의 감소 또는 매출이다 그래서 우리는 그냥 시도되었다 처음에하고 싶었던 것을 왓슨을 이길 그것은 이기적의 종류이었다

우리는 경쟁을 능가하려는 우리는 더 나은 일을 할 수있는 경우 참조 뿐만 아니라 직원 이직을 예측 뿐만 아니라 직원 이직을 설명 그래서 비록 일어나고 결국 무엇을 때문에 이러한 모든 기사와 함께, 당신도 알다시피, 모든 비즈니스 과학 또는 데이터 과학 문제, 당신은 정말 연구를 많이해야 할 당신은 손에서 문제뿐만 아니라 이해해야한다 그러나 가지 방법의 영향 또는 비즈니스에 적용 그래서 우리가 한 일을 결국 무엇을, 당신이 말한 것처럼, 그것은 긴 기사입니다 그것은 비즈니스 사례로 시작 친절의 그것과 독자를 소개합니다 그러나 우리는 이러한 아주 멋진, 최첨단의 모든 통과 단지 H2O, 라임 두 패키지는 우리는 정말 활용하고 정말 결국 있음 아름다운 것의 친절

당신은 우리가 높은 정확도를 가지고, 알고, 우리는 설명 할 수있는 능력을 가지고, 그래서 우리는 실제로 IBM 왓슨의 모델을 이겼다 내가 생각하는 그들은 85 %의 정확도 같이했고, 우리는 약 88 %였다 그리고 이것은 H2O 패키지와 함께했다 그러나 그것은 정말 멋진 일이 었죠 그리고 가장 중요한하지만, 나는 우리가 강조하고 싶은 일을 생각한다 그리고, 기사의 사실이다 그것은 빌 게이츠의 인용이다 나는, 정말 연구를하고 의미, 그냥이었다 빌이 한 말 이해, 당신은 하룻밤 우리의 상위 20 명의 직원을 빼앗아 및 마이크로 소프트는 평범한 기업이된다

나는 강타 무슨 아마 생각 독자의 가장 큰 코드 그리고 나는 그것을 바이러스 성 갔다 생각하는 이유 중 하나입니다 우리는 당신이 데이터 과학을 적용 할 수있는 방법을 보여주는 것, 정말 꽤 중요한 문제를 해결하는 데 도움이 대부분의 회사 것을 내가 가진 상상 – 당신이 알고 그래 그것은 놀라운, 당신이 데이터를 얻기 위해했던 일 당신이 말했듯이 있기 때문에, 아주 아주 어렵다 HR에 대한 기업 데이터의 어떤 종류를 얻을 수 개인 정보 보호 문제와 모든 때문이다 하지만, 같은 접근 방식을 사랑 비즈니스 문제를 해결하기 위해 노력하고있다 시작

그래서 초기 몇 가지 질문을 무엇인지 당신은 데이터에 대한 있다고? – 내가 생각하는 것 중 하나는 정말 중요하다 이다는 대부분의 데이터의하지가 완벽하게 이해하기 위해, 특히 모든 비즈니스 문제에 것을 당신이 시도하고 해결하기 위해 준비하고 있습니다 큰 도전이있다 심지어 우리가 IBM에서받은 데이터 세트와 그것은 그것의 기능의 모든 종류가 있고, 좋았다 일과 삶의 균형과 같은 것들의 일부, 그것은 현재의 역할 년이 있었다 직원이 자신의 현재 위치에 있었던 시간, 그 모두 정말 좋은 일입니다 하지만 정말 당신이 올바른 데이터가 있는지 확인하는 것 특정 문제를 해결하기 위해 또는 당신이하려고하는 문제는 해결하기 위해 밖으로 설정합니다

그래서 우리를 위해, 그것은 직원 이직 오른쪽했다? 우리는 무엇 요인, 좋아, 말을하려는 에 영향을 미치는 직원 이직? 일과 삶의 균형 같은 것들을 그래서, 그 좋았어요 현재 역할 년 같은 것들 하지만 실제로는 상황이 일반적 경향이 이러한 연구의 일부에 가장 영향을 미칠 , 나는 그것이 대부분의 것을 찾는거야 같은 것들입니다 예를 들어 그룹과 같은 데이터에서 클러스터 그래서 당신은 관련된 일이있을 때 일에 당신이에서와 그룹 명을 수 있습니다 예를 들어, 자신의 직업 역할은 무엇인가? 그들은 영업 담당자 또는 그들이있다 같은 실험실 기술자 또는 뭔가? 사람들은 당신 할 수있는 그룹 명에 대한 것들 그들은 일반적으로 제공 할 수 데이터에 대한 통찰력의 일종

사람들은 가장 흥미있는 물건의 종류이었다 나는 모델에 말할 것 일반적으로 몇 가지 예측 능력을 가지고있다 그러나에 대한 이러한 기능을 극대화하려고 당신이 바로 그 문제를 이해거야 도움은? – 그래, 맞아 내가 찾고 있던 때 기억 데이터 집합의 시스템의 스크린 샷에서, 당신은 것으로 직장에서 거리 등을위한 열을했다 뿐만 아니라 당신이보고되었다는 요인 중 하나 하지만 그래, 그것은, 매트 놀라운 당신이 일해야했다 데이터의 양에 대해, 다음은 해당 클러스터를 찾는 말했듯 때문에 각각 그 직무의 것과 다른 위치 다른 감소율을 가질 수 있습니다 – 그래, 그것은 우리가 본 무엇 예측 설명에 직무 역할이었다 바로 거기에있다 의 중요한 요소의 하나, 특정 역할은 높은 감소율을했다 특정 역할이 낮은 사람이 있었다

그리고 그 직원 그룹에 쉬운 방법입니다 – 당신에 대해 조금을 공유하고자 함 통찰력의 일부는이 연구에서 배운 당신은 조직의 많은 도움이 할 수있는 생각? – 그래서 명심 IBM에서이 데이터 집합이, 그것은, 인공 데이터 세트 그래서, 그것은 일반화 것이다 당신은 인공에서 걸릴 수 있습니다 실제에 특정 비즈니스에 적용? 당신은 그 일을 조심해야합니다 그러나 확실히 당신이 볼 수있는 일이있다 정말 우리에게 뛰어 기능 두, 우리는 이미, 영업 사원이었다 하나를 언급 또는, 작업의 역할을 실례합니다 그래서 영업 담당자는 마찰의 높은 비율을했다

몇 가지 다른 작업 역할이 있었다 그것은 꽤 높은 비율을했다 난 당신이 가지 가끔를 일반화 할 수 있다고 생각 세그먼트 기업, 방법 당신의 그룹으로 데이터 직원들 그리고 다른 하나는 초과 근무했다 다시 말하지만, 인공 데이터 세트, 그러나 이것은 중요한 요인이었다 그것은 우리가 한이 분석에서 나온

그것은 초과했다 사람들의 상당한 부분이 있었다 즉, 초과 근무했다 그 마찰 그룹에 있었다 비 감소 그룹 대 그래서, 사람들은 당신이 할 수있는 일의 종류 생각 이 같은 것을 적용 할 찾고 사업으로, 당신은 그와 같은 특정 기능을 볼 수 있습니다 당신이 할 수있는 경우는, 그 데이터를 수집 할 수 있습니다 당신은 잠재적 기능의 그 유형을 사용할 수 있습니다 잠재적 좋은 지표 또는 좋은 등, 바라건대, 당신의 감소의 예측 – 그리고 나는 당신이 말한 것처럼, 내 말은,이 같은이며, 대한 생각 기업이 사용 된 경우 가치있는 정보, 특히 자신의 최고의 직원을 유지하는 데 도움 당신의 이전 기준에 돌아 가지 당신이 잃을 경우에 대한 빌 게이츠 견적에 최고의 직원, 당신은 평범한 기업이된다 당신이 내장 된 모델이 유형 때문에, 제대로 적용될 때, 조직을 도울 수 될 수 있음을 확인 떠날의 가장자리에 오른쪽? 그들은 초과 근무, 번 아웃을 최선을 다하고 있습니다 그들의 드라이브는 멀리 떨어져 있습니다

당신이보고있는 작은 요인은 항상있다 및 즉 자신의 비즈니스 리더에게 신호 할 수있는 경우, 같은, 이봐, 난 그조차 어떻게 생겼는지 모른다, 같은 참고로, 우리는 그렇게 그렇게 생각합니다 – 그것은거야 조금 빅 브라더-Y 것 같다입니다 그냥 나오는 경우 (웃음) – 맞아 맞아 그 작동 정확히 방법을 모르겠어요 -하지만라는 조직 문화가있는 경우, 당신은, 헤이, 우리가 좋은 데이터 관리 전략을 가지고, 알고 우리는 사물의 이러한 유형으로 찾고 있습니다

당신은 당신의 비즈니스 리더들과 그 소통하고 있습니다 알다시피, 당신은 확실히 시스템을 사용할 수 있습니다 지금 특히 최고 인재를 방지합니다 열쇠는 여기에, 그들은 좋은 직원 정말입니다입니다 그들이 경우, 내 말은, 빌 게이츠으로부터 인용, 상위 20 직원, 그들은 떠날 경우 마이크로 소프트는 평범한 직원이되고있다 지금 이것은 아마 95 그것은 아마 같은 2000입니다 또는 당신은 알고 지금 쯤은 20,000 만 확실히, 나는 당신이 사실을 강조 할 필요가 있다고 생각 당신은 좋은 사람을 잃고 있다면, 큰 문제가 있다고 이것은 잠재적으로 그것을 해결하는 방법입니다 아니면 적어도 그것을 떨어져 머리

– 그래서 매트, 당신이보고있는 그 많은 것들을 모델이 양적했다, 그것은 숫자 기반이었다 혹시 봤어 또는 직원 설문 조사 데이터를 찾고 생각? 매년 그들이 느끼는 사람들이 어떻게 조사 거기 하지만 항상 설문 조사 데이터와 약간 까다로운 도착 사람들은 거짓말을 할 수 있기 때문에, 맞죠? 그리고 그 조금 더 어렵다, 나는 생각한다 – 그래, 그래, 조사 자료의 거친 한편, 당신은 모든 사람을 요청할 수 있습니다 무엇의 만족도가 그들은 그들이 진정으로 믿는 것을보고 예정 또는거야 어떤 상사를보고있다, 당신이 듣고 싶어 알고, 그래서 하나 개의 도전입니다 우리가 발견 한 것은 정말 좋은 나는 앞에있는 본 적이 우리는 같은 수집을 시작할 때, 예를 들어, 성능 데이터

그래서 많은 회사는 성능 데이터를해야합니다 말에, 종이 보고서에 그, 년에 한 번 이루어집니다 성능 검토있다 당신은 데이터 풀에 시작할 수 있으면 구조화되지 않은 형식 중 실제로에 있음을 얻을 응집력 관리 데이터 세트, 당신은 정말 좋은 물건을 얻을 시작할 수 있습니다 설문 조사 데이터, 그것은 명중 또는 미스가된다 당신이 물건을 얻을 수 있다면 조금 더 구체적이다 그 이상의 목적 사람들은 일련의 규칙이 곳 그들이 수행하려고하는 것으로, 즉, 일반적으로 조금 더 나은 작동합니다 -이 모델을 개발했다도록 블로그 게시물을 개발하는 것은 배운 통찰력을 공유, 데이터 당신을 놀라게 아무것도가 있었다? – 음, 나에게 가장 큰 놀라움은 정말로 있었다 웹 로그 분석한다

그래서 H2O, 나는 그것을 몇 번을 사용했습니다 그러나 이것은 사용하여 실제로 내 처음 그들이 여기 출시 나는 아직 크랑에 실제로 생각하지 않습니다 그러나 당신이 다운로드 할 수있는 버전입니다 자신의 웹 사이트에서 당신이이 R에서 설치를 클릭하면, 그것을위한 몇 가지 지침이있다 그러나 그들은이 새로운 알고리즘을 그리고 자동화 된 기계 학습라고 그래서 automl 함수 이름입니다 그래서 단지를 실행하고, 일반적으로, 당신은 꼭 이해하고, 우리는 일반적으로 작업 꽤해야 시도하고 조정 모델을하고 우리는 가장 높은 예측 정확도를 얻고 있는지 확인하십시오

그래서 실제로, 시간의 톤을 저장 정말 매우 신속 정확한 모델을 얻고 그래서 다시, 우리의 모델에 대한 정확도는 약 88 %였다 이는 데이터 세트의 유형에 대한 아주 좋은 것입니다 IBM의 왓슨 모델은, 지금, 나도 몰라 그들이이 있다면 반드시 조정 최적의 정확성을 위해 나는 그들이 노력하고 있다고 생각하기 때문에 또한 정보를 설명 할 수 있어야합니다 그러나 그들의 모델은 85 % 정확도의 주위에 맞았다 그래서 바로 문 밖으로,이 일이 매우 좋았다

그래서 나에게 큰 놀라움이었다 그리고 두 번째는 인 석회를 사용했다 그것은, 파이썬 모두와 R에서 사용할 비교적 새로운 것 하지만 정말 것은 설명하기위한 도구입니다 무슨 기계 학습 분류를 구동한다 라임이 그것을 사용하여 내 첫 경험이었다 사실, 신사, 토마스 린 페데르센, 그는 단지 아주 최근에 여기에서 R로를 ​​포팅

이후, 우리는 실제로 몇 가지 함수를 작성했다 친절하게 함께 플레이하는 H2O와 석회를 얻을 수 있습니다 우리가 도착 했더라면, 그것은 작업을 지금은 말할 행복 해요 실제로 석회로 통합됩니다 나는 토마스와 협력 그리고 우리는 그것을 얻을 수 있었다 사람들이 실제로 필요가 없습니다 모든 물건 통합 그들을 연결할 얻기 위해 그 여분의 함수를 작성 그러나 석회는 매우 유용했다 그래서 좋은 기능의 시각화했다 변수 중요 명소

그것은 정말 우리를 활성화 그래서 골라 영향력있는 변수의 많은 정말 참조 오 와우, 직업의 역할은 여기에 큰 요인이다 이러한 영업 담당자, 그들은 많이 돌고있어 더 자주, 말보다, 다른 역할의 일부 그건 정말 멋진 그래서, 그 거대한 놀람이었다 하나 개의 게시물에 두 놀라움 테니 – 당신이 이야기에 (ㅎ ㅎ)는 그냥 듣고, 내가 사랑하는 것은 당신이 데이터를 얼마나 호기심, 당신이 그 데이터를 정리하는 일을 얼마나 열심히, 당신이 찾을 수 없을 때 그 데이터로 작업하고,하기 특정 답변, 당신은 어떻게 할 수있는, 당신의 방법에서거야 내가이, H2O, 석회를 사용해야합니까? 그리고 실시간으로 그것을 다음과 같은 학습 그래서 당신은 일을 해결할 수 있습니다

그리고 당신은 또한 지역 사회에 기여하고 있습니다 – 지역 사회는 엄청난 것입니다 우리는 정말, 그것은 종류의 기본 원리 중 하나처럼 비즈니스 과학에 대한 그냥 개인적으로 나를 위해,이다 정말 데이터 과학의 전체 많지 않다 느낌 일반적으로 기업에서 밖에 무슨 더 널리되기 시작하고있다 그러나 우리는 정말 데이터 과학을 전파 할 조직에 그 단지 데이터 과학 팀이없는 또는 집에있는 기능을 제공합니다 그것은 큰 문제이고 우리는 그것을 해결하기 위해 노력하고 있습니다

그리고 우리는 무료로 물건을 많이합니까 그냥 거기에 그것을 넣어 정말 사람들을 노출 이러한 기술의 일부, 아마도 포기의 비용 경쟁 우위의 조금 있지만, 우리는 시간을 잘 가치가 있다고 생각 우리는 그것으로 노력과 에너지를 뒀다 – 글쎄, 당신은 놀라운 일을하고있어 난 그냥이를 공유하고 있다는 사실을 사랑 해요 매트에 대한 자세한 내용을 원하는 모든 사람을위한, 당신은 확실히 business-scienceio로 이동해야합니다 여기 화면에 넣을 수 있습니다

자신의 기사를 확인하세요 또한 링크드 인에서 그를 따라하고 있는지 확인하십시오 우리가 가기 전에, 매트, 난 그냥 빨리 네 마지막 질문이 이들은 우리가 많이 얻을 질문이 있습니다 그리고 첫 번째는 포기해야합니까 어떤 조언이다 관심이있는 사람들을위한 데이터 과학에 시작? – 물론, 그래서에 대한 조언을 시작할 수 있습니다 그것은 긴 과정입니다

그것은 보람있는 과정입니다 나는 그것을 말을 싫어하지만 당신은 그렇게되는 일은 없습니다 그것은 영원히 계속 (마이크 웃음) 그러나 단지 기본을 학습하여 시작합니다 그것을 논쟁, 데이터 정리, 데이터를 시각화 그런 다음 더 이동 모델링과 같은 고급 애플리케이션

또한, 모델링에 들어갈 때, 다만 기초로 시작, 당신이 알고, 선형 모델은 정말 그 원동력 이해합니다 그리고 다음 XGBoosts 또는 H2Os로 이동 또는 다른 알고리즘의 일부는 밖으로있다 내가 줄 수있는 몇 참조있다 이제 막 시작되는 사람들을 위해 나는 순간에 제공 할 수있는 가장 좋은 기준은 "데이터 과학 R" 그것은 무료 책, 그것은 해들리 위컴에 의해 개발 된 것 있어요 및 RStudio에서 개렛 Grolemund

하지만 너무, 발표하게 된 것을 기쁘게 생각합니다, 2018 년부터 것을, 우리는 몇 가지 개발을위한 큰 밀어있어 응용 프로그램 별 교육 과정과 정말 도와 주려고 적용 할 거기에 데이터 과학자의 많은 이러한 개념과 기술의 일부 비즈니스 환경입니다 그리고 우리는거야 시도하고 가르쳐있어 그 사람들은 어떻게 그렇게 할 수 있습니다 – 즉, 매트 굉장합니다 그래서 모두 지켜봐 주시기 바랍니다 그리고 난 링크가 있는지 확인합니다 이 동영상의 정보 섹션에서 뿐만 아니라 당신이 배울 수 있도록 의견에 매트는이 공간에서 무엇을하고 있는지에 대한 자세한 그리고 매트, 우리가 얻을 다른 질문, 어떤 프로그램 언어 내가 먼저 배워야한다 당신의 추천은 무엇인가? – 그건 힘든 일입니다

당연히, 나는 거 R 말 해요, 그게 내가 사용하는 하나 그냥 때문이다 나는 당신이 누구에 의존하는 경우 생각하고 당신은 더 많은 것을 좋아한다 나를 위해, 비즈니스, 나는 R 조금 더 생각 그것은 이러한 도구의 일부를 가지고 있기 때문에 같은 ggplot2으로 시각화합니다 그것은 매우 좋은 흐름을 가지고 tidyverse의 데이터 과학에, 은 R 버전의 종류 이는 난도질 및 데이터로 작업하는 방법 그것은 tidyverse라고

당신은 컴퓨터 비전에 얻고 싶은 경우에 사물 이러한 유형, 당신은 더 나을 수 있습니다 게이트에서 파이썬을 학습하고 완벽하게 괜찮아요 정말, 당신은 항상 다른 언어로 갈 수 있습니다 가장 중요한 것은 학습을 시작하고 지금 학습을 시작합니다 – 훌륭한 조언 당신은 기업의 많은 구현되지 않습니다 언급 조직의 데이터 과학

그래서 지도자 대해 어떤 조언을해야합니까 그 데이터 과학 팀에 고용 찾고 계십니까? – 좋아,이 힘든 일이다 이것은 우리가 개발 한 이유 중 하나의 종류 컨설팅 등 비즈니스 과학이 도움이하는 것입니다 세 가지가 있습니다 그래서 위해 심지어 데이터 과학 팀에 도착하고, 조직에서 교육을해야한다, 이 데이터 관리 전략을 가지고있다, 다음은 있어야 데이터 과학 능력, 맞죠? 교육 측면에 따라서, 당신은 정말 그냥 떨어져 가고 싶지 않아 그리고없이 데이터 과학자의 무리를 고용 첫째 교육 고위 경영진을 가진 데이터 과학이 무엇인지에 대한 데이터가 방정식에 맞는 방법, 당신은 응답의 어떤 종류를 얻을 수 있습니다 어떻게 데이터를하면 해당 통합됩니다 당신은 좋은 데이터가없는 경우 때문에, 당신은 좋은 결과를 얻을 수있을하지 않을거야 나는 생각한다 조직은 첫 번째에 대한 교육을해야합니다

다른 것은 데이터 관리 전략이다 조직이 그 중요한 데이터를 캡처하지 않는 한, 그들은 정말 효과적인 작업을 할 수있을 거 아니에요 데이터 과학 팀과 함께 그래서 당신은 아직 그 시점에 얻을 수 없습니다 당신은 데이터 관리 전략을 일단 조직 전체에 걸쳐 개발 그 마지막 부분은 데이터 과학 팀이다 그리고 정말 아래로 비등 무엇을, 당신은 이제 문화를 가지고 당신은, 데이터 관리 전략을 가지고 그래서 정말, 당신은 좋은 사람이 필요합니다

나는 당신이 말한 때 머리, 마이크에 못을 칠 생각 초기에 호기심, 나는 그 큰 부분이라고 생각 사람을 고용, 당신이 있는지 확인하려면입니다 그들은 궁금하고 학습에 대한 열정 걸 그들은 정말, 그것이 무엇이든에 구입하고 있습니다 그것은 디지털 마케팅의 경우, 또는이 HR이든 용량의 경우 당신은 데이터 과학을 적용에서 찾고있다 그것에 대해 흥분하는 사람들을 가져옵니다 인 유니콘을 받고 대해 걱정하지 마십시오 모든 것을 할 수있는이 신화 데이터 과학자 존재하지 않는, 존재하지 않습니다 그것은 않는 경우, 당신은 그 사람이나 그 여자를 감당할 수 없습니다

정말 점점 개인에 초점을 팀에 좋은 보완 그들은 당신이 특정 분야에서 찾고있는 능력을 가지고 그들은 학습에 대한 기쁘게 생각합니다 – 신난다 우리가 가기 전에 그래서, 매트, 어디 모든 사람이 갈 수 있습니다 당신에 대한 자세한 내용은? – 괜찮아 그래서 나에 대해 배우고, 우리는 business-science

io 있습니다 해당 웹 사이트로 이동하면, 그건 정말 어디 당신은 데이비스 내용의 내 콘텐츠의 모든 모든을 찾을 수 있습니다 데이비스는 우리의 소프트웨어 관리자입니다 그는 tibbletime의 창조자이다 그래서 당신은 알게 될뿐만 아니라 그에 대해 배웁니다

풍부한 정보 그래서 체크 아웃이있다 나에 대해 알 수있는 다른 방법, 나는 링크드 인에 꽤 활성화입니다 또한 트위터, 당신은 mdancho84 @ 저를 얻을 수 있습니다 그건 내 트위터 핸들입니다 나를 공격 주시기 바랍니다

나는 특히 R 커뮤니티와 연결, 사랑 해요 인공 지능, 기계 학습, 또는 비즈니스와 관련된 아무것도 나를 공격 주시기 단지 문제가되지 않습니다 – 최고와 내가 무엇을 할 것입니다 것은 내가 링크를 넣어 있는지 확인하십시오 것입니다 당신의 링크드 인 프로필과 트위터 핸들 또한, 물론, business-scienceio YouTube 동영상의 정보 섹션에서 뿐만 아니라 페이스 북 라이브 비디오의 댓글에서와 같이 모든 사람들이 매트와 연결할 수 있도록 그가 무엇을하고 있는지 잘 알고

나는 모두가 알고 있도록하려면 우리는 매 주이 공연을한다 우리는 서로 다른 데이터 과학자들과 이야기 우리는 대한 모든 것을 이야기 이 기계 학습의 여부 즉, 일어나고 있어요 인공 지능, 사물의 인터넷 그리고, 매트, 그것은 폭발 당신과 함께 채팅을하고 있어요 우리와 함께 통찰력을 공유하기 위해 정말 감사합니다 그리고 도움이 모든 작업은 우리 사회를 위해 일을하는지 어떻게 HR에 대한 멋진 블로그 게시물 좋은 직원을 유지할 수 있도록 데이터 과학을 사용할 수 있습니다 – 당신이 인사에 관심이 있다면, 확실히 블로그 게시물을 확인하십시오

마이크, 너무, 당신과 얘기를 실제 폭발이었다 난 당신이 나와 함께 연결되어 정말 기쁩니다 기쁜 우리는이 작업을 수행 할 수 있습니다 – 신난다 그래서 여기에 모든 사람을위한, 시청 해 주셔서 너무 감사합니다 팟 캐스트 청취자를 들어, 듣기 주셔서 감사합니다

우리는 다음 주에있을 것입니다 곧 방송에 대한 자세한 내용을 보려면 그리고, 지난 방송을 볼 수 단지 experiancom/datatalk로 이동합니다 우리는 다음 주에 볼 수 있습니다