SAS Demo | Deep Learning with Python (DLPy) and SAS Viya for Computer Vision

안녕하세요, 저는 Susan Kahler이고 인공 지능과 기계 학습에 대한 책임이 있습니다 SAS에서

이 비디오에서는 SAS Deep Learning Python API 또는 DLPy에 대해 간략하게 설명합니다 이 시리즈는 DLPy가 지원하는 최신 컴퓨터 비전 모델에 중점을 둘 것입니다 DLPy를 통해 Python에 익숙한 데이터 과학자는 딥 러닝을 활용할 수 있습니다 SAS Viya의 컴퓨터 비전 기능 설명의 링크를 사용하여 주제로 직접 이동하십시오

첫 번째 섹션에서는 DLPy와 함께 Functional API를 활용하여 빌드하는 방법을 살펴 봅니다 ResNet 모델을 포함한 기능 추출을위한 복잡한 모델 다음으로 축구를 추적하기 위해 U-Net 모델을 사용하여 이미지 세분화를 수행하는 방법을 볼 수 있습니다 선수 그런 다음 DLPY가 VGG16을 백본으로 사용하여 Faster R-CNN을 사용하여 객체 감지를 지원하는 방법을 살펴 보겠습니다 회로망

스위칭 기어, DLPy가 어떻게 MobileNet 및 ShuffleNet을 지원하고 성능을 비교하는지 살펴 보겠습니다 ResNet50 모델이있는 모델 중 하나입니다 마지막으로 훈련과 추론 모두에서 멀티 태스킹 학습이 수행되는 방법을 살펴 보겠습니다 제품 권장 사항에 대해서는 소매 도메인에서 추론을 위해 Python 용 이벤트 스트림 처리 패키지 인 SAS ESPPy를 사용합니다 DLPy에는 Python 3 이상 및 SAS Viya 34가 필요합니다

또한 Analytics 전송을위한 SAS 스크립팅 래퍼 또는 SWAT 패키지가 필요합니다 DLPy는 python-dlpy 디렉토리의 SAS 소프트웨어 용 GitHub에서 사용할 수 있습니다 이 비디오에 실린 Jupyter 노트북도 해당 위치에 있습니다 DLPy의 최신 컴퓨터 비전 기능에 대해 배우고 즐기시기 바랍니다 스스로를 위해

안녕하세요, 저는 SAS의 데이터 과학자 인 Wenyu이며 딥 러닝과 컴퓨터에 중점을 둡니다 비전 API 이 비디오에서는 고급 Python API, Python을 사용한 SAS Deep Learning 또는 (DLPy) 이 비디오의 목적은 SAS에서 기능적 API를 활용하는 방법을 보여주는 것입니다 복잡한 모델을 만들기위한 DLPy 보다 유연한 방법을 제공하기 때문에 Functional API에 중점을두고 있습니다

Keras Functional API와 매우 유사한 복잡한 모델을 구현하십시오 Sequential API는 공유 모델을 만들 수 없다는 점에서 제한적입니다 레이어 또는 여러 입력 또는 출력이 있습니다 입력 및 출력이 여러 개인 모델이 Functional API를 사용하는 좋은 예입니다 간단한 6 단계로 SAS DLPy를 사용하여 모델을 생성 해 봅시다

텐서를 반환하는 Input ()에 의해 두 개의 텐서 (회색조 이미지와 RGB 이미지)를 정의합니다 목적 그런 다음 그레이 스케일 이미지가 두 개의 컨볼 루션 브랜치에 공급됩니다 이 모델에는 또 다른 입력 컬러 이미지가 있습니다 그런 다음 이미지의 특징을 추출하기 위해 컨벌루션 연산이 사용됩니다

세 개의 텐서가 연결되고 OutputLayer_1에서 분류를 계산하는 데 사용됩니다 손실 또한 모델은 OutputLayer_2를 통해 감독됩니다 그런 다음 정의 된 입력 텐서 및 출력 텐서를 Model () 함수에 전달합니다 마지막으로 compile ()을 호출하여 네트워크를 컴파일합니다

여기서는 모델의 요약과 네트워크 그래프를 보여줍니다 레이어 연결 이 다음 모델에서는 ResNet 유사 모델을 작성하는 방법을 고려하십시오 이 작업에서는 돌고래 또는 기린을 포함하는지 여부에 따라 이미지를 분류합니다 먼저 각각의 직후에 배치 정규화를 채택하는 회선 블록을 정의합니다

회선 다음으로, 나머지 블록 내에서 바로 가기 연결을 사용하여 입력 기능을 연결합니다 컨볼 루션의 출력에 4 개의 누적 잔차 블록이 있으며 네트워크는 전체 평균 풀링으로 끝납니다 다음은 4 개의 잔차 블록이 순차적으로 누적되고 전체 평균이 표시되는 모델의 그래프입니다 풀링

모델이 빌드되면 ImageTable API에 의해 데이터가로드되고 모델을 학습 할 수 있습니다 순차적 인 모델처럼 SAS DLPy API를 사용하면 사전 훈련 된 여러 출력 모델을보다 쉽게 ​​정의 할 수 있습니다 기능 추출기로서의 백본 다음 경우에는 가중치와 함께 ResNet18 모델을로드합니다 다음으로로드 된 모델을 기능 모델로 변환하고 원래 작업 계층을 삭제합니다 이를 위해 to_functional_model ()을 사용하고 stop_layers를 지정합니다

그래프 이동을 중지하는 레이어 즉, stop_layers와 stop_layers가 뒤에 오는 모든 레이어가 제거됩니다 기능적 모델 그런 다음 OutputLayer와 Keypoints Layer라는 두 가지 새로운 작업 계층을 추가합니다 그래프 하단에서 새로 추가 된 두 개의 레이어를 볼 수 있습니다

이 비디오에서는 DLPy를 사용하여 여러 입력 및 출력을 가진 모델을 만든 다음 ResNet과 유사한 모델이며 마지막으로 순차 모델을 기능 모델로 변환했습니다 시청 해 주셔서 감사합니다 안녕하세요, 저는 Maggie Du이고 SAS의 기계 학습 개발자이며 딥 러닝 및 컴퓨터 비전 API 이 비디오에서는 DLPy라고하는 SAS 고급 딥 러닝 Python API를 사용하여 게임에서 축구 선수를 추적하는 이미지 분할 문제를 해결하는 방법을 보여줍니다 각 플레이어에 대한 통계를 제공합니다

코치에 의한 경기 후 분석과 같은 여러 목적으로 통계를 사용할 수 있습니다 팬들에게 증강 게임 시청 경험을 제공합니다 이미지 분할은 이미지를 의미 적으로 의미있는 부분으로 분할하려고 시도합니다 각 부분을 사전 정의 된 레이블 중 하나로 분류합니다 따라서 픽셀 수준에서 이미지를 이해하는 새로운 방법입니다

예를 들어이 이미지에는 개, 고양이 및 배경의 세 가지 클래스가 있습니다 따라서 우리는 각 픽셀에 어떤 클래스가 속하는지를 나타내는 특정 색상을 부여합니다 전반적으로 각 객체의 정확한 경계를 얻을 수 있습니다 시작하자 필요한 모듈을로드 한 후 데이터 세트를로드하려고합니다

우리는 축구 경기의 이미지를 예로 들어 170 이미지가 포함 된 모두 256 * 256으로 조정되었습니다 다음은 원시 이미지와 해당 주석의 시각화입니다 이미지에는 축구 선수, 축구 공 및 배경의 세 가지 다른 객체가 있습니다 따라서 주석 이미지에는 세 가지 색상이 포함됩니다 그런 다음 데이터 세트를 학습 데이터, 유효성 검사 데이터 및 테스트 데이터로 무작위로 나눕니다

다음으로 SAS DLPy를 사용하여 U-Net 모델을 구축하려고합니다 이 대칭 모델은 인코딩과 디코딩의 두 부분으로 볼 수 있습니다 기능 크기가 가장 작은 레이어 인 병목 현상 레이어로 분할됩니다 인코딩 부분에서 풀링 레이어를 사용하여 다운 샘플링을 수행하여 기능을 추출합니다 디코딩에서 입력 컨볼 루션 레이어를 사용하여 입력 이미지에서 업 샘플링 학습 된 정보를 재구성하는 부분

또한 텐서를 직접 결합하는 4 개의 연결 레이어를 모델에 추가했습니다 두 개의 다른 레이어에서 이전의 특정 정보를 쉽게 상속받을 수 있습니다 층 SAS DLPy는 사전 정의 된 U-Net 모델을로드하는 기능을 제공합니다 인코딩을위한 4 개의 풀링 계층 및 디코딩을위한 4 개의 전치 컨볼 루션 계층

축구 경기 데이터 모델에는 3 천 4 백만 개가 넘는 매개 변수가 포함되어 있습니다 SAS DLPy API를 사용하여 계층별로 고유 한 U-Net 모델을 만들 수도 있습니다 병목 현상 레이어의 크기 및 컨볼 루션 수와 같은 기능을 쉽게 결정할 수 있습니다 두 풀링 레이어 사이에 원하는 레이어 아키텍처가 구축되면 교육 데이터를 사용하여 모델을 교육하고 유효성을 검사 할 수 있습니다 검증 데이터 사용

교육이 완료된 후 테스트 데이터를 사용하여 모델의 성능을 테스트 할 수 있습니다 새로운 이미지를 수행합니다 스코어링 메트릭을 확인하거나 예측을 직접 시각화 할 수 있습니다 이 예에서 잘못된 분류 비율은 056 %로 65,536 픽셀 중 약 360 픽셀 만 잘못 레이블이 지정됩니다 두 번째 방법은 간단합니다

여기에 원시 이미지, 주석 및 예측을 나란히 놓고 모델의 성능을 확인하기 위해 모든 것을 쉽게 비교할 수 있습니다 첫 번째 열에는 원시 이미지가 표시되고 가운데 열에는 실제 이미지가 표시됩니다 세 번째 열의 이미지는 예측에서 얻습니다 마지막 두 열 사이에는 약간의 차이 만 있습니다 이는 U-Net 모델을 의미합니다

이 데이터에 매우 효과적이었습니다 이 비디오에서는 SAS DLPy를 사용하여 이미지 세분화 모델을 신속하게 구축하고 이 모델에 대한 교육 및 스코어링 방법 SAS DLPy에는 훨씬 더 많은 기능이 포함되어 있으므로 향후 사용 사례 시청 해 주셔서 감사합니다! 안녕하세요, 제 이름은 Xindian Long이고 컴퓨터 비전을위한 딥 러닝 알고리즘을 개발합니다 YOLO, Faster R-CNN, Mask R-CNN 등 SAS Deep Learning for Python (또는 DLPy)은 고급 Python과 함께 제공됩니다 사용자가 이러한 기능을 사용할 수 있도록하는 API

현재 그림 1과 같이 주로 물체 감지 방법에는 두 가지 유형이 있습니다 첫 번째 방법은 단일 단계 방법입니다 이 유형의 방법에서 경계 상자 지역화 및 객체 분류는 하나에서 수행됩니다 단계 YOLO, SSD와 같은 알고리즘이이 범주에 속합니다

두 번째 방법은 다단계 방법입니다 여기에는 두 가지 단계가 있습니다 첫 번째 단계에서 지역 제안 네트워크는 관심있는 직사각형 지역을 찾는 것입니다 객체를 포함 할 가능성이 높은 (또는 ROI) 두 번째 단계에서는 추가 회귀 및 분류를 수행하여 실제로 해당 지역에 개체가 있으며, 그렇다면 범주와 정확한 위치 그리고 모양입니다 Faster R-CNN, R-FCN과 같은 알고리즘이이 범주에 속합니다

첫 번째 범주의 알고리즘은 일반적으로 두 번째 범주의 알고리즘보다 빠릅니다 예를 들어 실시간 성능이 필요한 응용 프로그램이있는 경우 YOLO는 아마도 좋은 선택 Faster R-CNN과 같은 두 번째 범주의 알고리즘은 일반적으로 더 정확합니다 “Faster R-CNN”이라는 이름이 언급 된 다른 알고리즘보다 더 빠르게 실행되는 것은 아닙니다 이리

R-CNN 및 Fast R-CNN 알고리즘보다 이전 버전보다 훨씬 빠릅니다 그림 2는 앵커 박스의 중요한 개념을 보여줍니다 그들은 객체에 사용됩니다 YOLO와 Faster R-CNN의 탐지 알고리즘 이 개념을 이해하는 것이 매우 중요합니다 앵커 상자는 이미지의 여러 위치에있는 추상 상자이며 일반적으로 그리드 패턴

사전 정의 된 모양으로 사전 설정된 개수의 경계 상자를 예측하는 데 사용됩니다 각 위치에서 앵커 상자는 예측 된 위치의 초기 값으로 사용됩니다 모양에 따라 개체 크기 / 모양에 대한 사전 지식이 포함되어 있습니다 그림 2의 이미지에서이 한 위치에 많은 앵커 박스가 있음을 알 수 있습니다 상자마다 모양이 다른 물체를 감지합니다

예를 들어이 이미지에서 빨간색 앵커 상자는 사람을 감지하는 상자입니다 물론 최종적으로 감지 된 물체 모양은 원래 물체와 약간 다를 수 있습니다 알고리즘이 최적화하기 때문에 앵커 박스의 모양 그림 3은 Faster R-CNN 네트워크 아키텍처를 보여줍니다 DLPy를 사용하면 계층별로 구축 할 필요가 없습니다 알고리즘 이해를 돕기 위해 그것에 대해 이야기하고 있습니다

그것의 첫 번째 부분은 백본 네트워크입니다 백본 네트워크에는 일반적으로 많은 회선 레이어와 풀링 레이어가 포함되어 있습니다 입력 이미지에서 기능 맵을 추출합니다 널리 사용되는 백본 네트워크에는 VGG16, ShuffleNet 또는 ResNet 등이 있습니다 응용 프로그램 및 요구 사항에 따라 선택할 수 있습니다

지역 제안 네트워크는 백본 네트워크를 따릅니다 지역 제안 네트워크는 많은 제안 된 관심 지역을 출력합니다 개체를 포함 할 가능성이 높은 창입니다 지역 제안 네트워크는 지역 이전에 두 개의 특수한 컨볼 루션 레이어로 구성됩니다 제안서 계층

지역 제안서 레이어에 대해 사용자가 지정해야하는 중요한 매개 변수는 앵커 박스는 제안 될 수있는 형태의 범위를 대략 결정합니다 그 후에는 ROI 풀링 레이어입니다 관심 영역을 백본 네트워크 출력 인 페더 맵에 매핑합니다 창 내부의 픽셀 값을 추출하고 다른 크기의 하위 이미지를 형성합니다 ROI 풀링 레이어는 모든 하위 이미지의 크기를 같은 크기로 조정합니다

이것은 기능 맵의 모든 채널에 대해 수행됩니다 따라서 각 ROI마다 3D 데이터 배열을 얻습니다이를 텐서라고합니다 ROI 풀링 레이어의 출력에는 제안 된 각 영역마다 하나씩 많은 텐서가 포함됩니다 관심의

네트워크의 마지막 부분은 각 텐서와 ROI에서 독립적으로 작동하며 하나를 만듭니다 각 ROI에 대한 결정 세트 먼저, 두 개의 완전 연결된 레이어가 있으며 분류간에 공유됩니다 그리고 경계 상자 회귀 그런 다음 분류 헤더와 경계 상자 회귀 헤더가 있으며 각 헤더 앞에 하나의 완전히 연결된 레이어로 각각

우리 시스템에서 분류 헤더와 바운딩 박스 회귀 헤더는 모두 FastRCNN 계층에서 구현됩니다 빠른 R-CNN 네트워크 아키텍처에 대한 간략한 소개와 알고리즘의 방법 공장 이제 노트북을 볼 수 있습니다 먼저 CAS 서버에 연결합니다 조치 세트를로드하십시오

그리고 CAS 라이브러리를 빌드하십시오 그런 다음 DLPy 함수를 호출하여 앞에서 설명한 모델 아키텍처를 빌드해야합니다 Faster_RCNN 그런 다음 데이터 세트를로드하고 훈련 세트와 데이터 세트로 분할합니다 여기서 데이터 셋과 라벨을 그래픽으로 시각화하고 이미지와 경계를 볼 수 있습니다 상자 및 레이블

네트워크 교육을 위해 사전 훈련 된 가중치를로드하고 대상 열을 정의한 다음 가중치를 계속 최적화하려면 fit 함수를 호출하십시오 그런 다음 predict 함수를 호출하여 객체 위치와 범주를 예측할 수 있습니다 마지막으로 탐지 결과를 시각화 할 수 있습니다 이미지에서 감지 된 개체 주위에 상자가 그려져 있음을 알 수 있습니다 객체 카테고리 자신감뿐만 아니라 보여줍니다

이미지에서 감지 된 양을보십시오 이것이 데모의 끝입니다 DLPy와이 예제를 사용해보십시오 시청 해 주셔서 감사합니다! 안녕하세요, Guixian Lin입니다 저는 SAS의 컴퓨터 비전 딥 러닝 개발자입니다

여기에 DLPy로 알려진 SAS 고급 딥 러닝 Python API를 사용하여 가벼우면서도 강력한 컨볼 루션 뉴럴 네트워크를 쉽게 구축하고 훈련 할 수 있습니다 이미지 분류 문제에 대한 (또는 CNN) 이 예에서는 의류를 분류합니다 VGG16 및 ResNet50과 같은 인기있는 CNN은 이미지 분류에 널리 사용되었습니다 뛰어난 정확성을위한 작업 그러나 자원이 제한된 모바일 및 에지 장치의 경우 이러한 CNN은 종종 너무 유용하게 큰

얼굴 인식 및 자율 주행 차와 같은 실시간 애플리케이션에는 충분히 빠르지 않습니다 다음으로 세 가지 효율적인 CNN 인 MobilenetV1, ShufflenetV1 및 MobileNetV2를 소개합니다 이 인기 CNN보다 훨씬 작지만 정확도는 비슷합니다 CNN의 핵심 구성 요소는 컨볼 루션 레이어라는 것을 알고 있습니다 효율적인 MobileNet 및 ShuffleNet의 기본 아이디어는 표준 컨볼 루션을 대체하는 것입니다

가벼운 컨볼 루션 그림 21은 표준 컨벌루션과 깊이 분리형의 차이점을 보여줍니다 깊이 컨벌루션과 포인트 컨벌루션으로 구성된 컨벌루션 맨 윗줄에서 각 블록은 컨벌루션 필터를 나타내며 총 c2 필터가 있습니다

각 컨볼 루션 필터는 공간 정보를 필터링하고 채널 정보를 결합합니다 한 번의 단계로 입력 기능 이를 위해서는 각 컨볼 루션 필터의 깊이가 입력 피처의 깊이와 일치해야합니다 여기서 깊이는 c1입니다 레이어가 깊어 질수록 피쳐 맵의 깊이가 더 커지는 경우가 종종 있습니다

이러한 인기있는 CNN이 매우 큰 이유입니다 두 번째 행은 깊이 컨벌루션이 공간 정보를 채널별로 필터링 함을 보여줍니다 즉, 각 깊이 방향 컨볼 루션의 깊이는 레이어의 깊이에 관계없이 항상 1입니다 입니다 깊이 컨볼 루션은 입력 채널 만 필터링하므로 출력을 결합해야합니다

유용한 기능을 생성하는 기능 이것은 커널과의 표준 컨볼 루션 인 포인트 컨벌루션으로 수행 할 수 있습니다 1 회 1 회 표준 컨벌루션을 깊이 컨벌루션으로 교체 한 다음 점별 컨볼 루션에서 유사한 방식으로 피쳐와 패턴을 추출 할 수 있지만 모델 크기는 극적으로 감소했습니다 그림 22는 그룹 컨볼 루션을 설명합니다

채널을 여러 그룹으로 나누고 각각의 표준 컨볼 루션을 적용합니다 그룹 예를 들어 g 개의 그룹이있는 경우 모델 크기를 1 / g의 차수로 줄일 수 있습니다 그림 23은 MobileNetV1, ResNet50, ShuffleNetV1 및 MobileNetV2의 빌딩 블록을 보여줍니다

MobileNetV1의 경우 아키텍처는 VGG와 유사합니다 VGG의 표준 컨벌루션을 경량 깊이 컨볼 루션으로 대체합니다 포인트 컨벌루션이 뒤 따른다 ResNet은 종종 ResNet 블록으로 인해 VGG보다 성능이 우수하기 때문에 ShuffleNetV1 MobileNetV2는이 아이디어를 빌 렸습니다 둘 다 ResNet 블록의 표준 컨벌루션을 깊이 컨벌루션으로 대체하여 모델 크기

ShuffleNetV1은 포인트 컨벌루션을 그룹 컨볼 루션으로 대체하여 모델 크기 이제 경량 컨볼 루션이 더 작은 모델을 빌드하는 데 유용하다는 것을 이해합니다 및 ShuffleNet 다음으로 의류 소매 제품 데이터에 대한 성능을 보여 드리겠습니다 먼저 데이터 세트를로드하고 일부 이미지를 표시합니다

여기에는 6 개의 수업이 있으며 약 2,100 개의 이미지가 있습니다 다음으로, 우리는 훈련과 평가를 위해 무작위로 데이터를 훈련과 테스트로 나누었습니다 다른 CNN SAS DLPy는 다양한 사전 구축 네트워크 아키텍처를 제공합니다 매우 효과적입니다

여기서는 CNN을 구축하는 데 사용할 것입니다 MobileNetV1 아키텍처의 경우 다음과 같은 기본 매개 변수를 지정합니다 클래스 수 입력 이미지를 정규화하기위한 오프셋 및 스케일로 분류 될 수있다 또한 임의 뒤집기와 자르기를 사용하여 입력 이미지를 보강합니다 MobileNetV1 모델에는 축소 매개 변수 인 alpha가있어 출력 채널 수 옵티 마이저를 설정 한 후 모델을 학습 할 준비가되었습니다

훈련 로그는 많은 유용한 정보를 알려줍니다 여기에서 모델 매개 변수의 수가 8 백만임을 알 수 있습니다 대상에는 6 개의 클래스가 있습니다 훈련 손실과 오류로 반복 기록을 그릴 수 있습니다

16 오류 후 훈련 오류가 감소하고 수렴 함을 보여줍니다 최종 교육 오류는 약 54 %입니다 다음으로 테스트 데이터에서 모델 성능을 평가합니다 MobileNetV1 모델의 오류율은 5

3 %입니다 좋아요! 올바른 예측과 잘못된 예측을 통해 모델을 확인함으로써, 모델이 패턴을 배우고 합리적인 예측을한다는 것을 알 수 있습니다 다음으로 비슷한 단계를 따라 다른 CNN (ShuffleNetV1, MobileNetV2, 및 ResNet50 자세한 내용은 노트북을 참조하십시오 이 모델의 테스트 오류는 다음과 같이 요약됩니다

탁자 이 3 가지 경량 모델은 일반 모델보다 매개 변수가 훨씬 적습니다 ResNet50은이 소매 데이터의 정확성을 향상시킵니다 이 비디오에서 SAS DLPy를 사용하면 이러한 작은 크기를 빠르게 구축하고 훈련 할 수 있습니다 그러나 효율적인 CNN

앞으로의 작업에 이러한 모델을 적용 해 볼 수 있기를 바랍니다 시청 해 주셔서 감사합니다! 안녕하세요 제 이름은 웨인 톰슨입니다 저는 SAS의 데이터 과학자이며 딥 러닝과 함께 일할 수있는 특권이 있습니다 R & D 팀 컴퓨터 용 Python 및 DLPy 및 SAS Viya를 사용한 딥 러닝을위한 비디오 시리즈입니다

시력 이 특정 비디오에서는 패션에 태그를 지정하기 위해 멀티 태스킹 딥 러닝 모델을 훈련하고 싶습니다 품목 이제 기계 학습에서 종종 이미지를 가져 와서 레이블을 지정하고 단일 이미지를 만듭니다 옷의 종류를 분류하는 것과 같이지도 학습을 통해 하나의 작업을 분류합니다 드레스인가요? 티셔츠인가요? 벨트인가요? 그리고 색상과 같은 다른 의미 속성이 있고 입력 데이터에 레이블을 지정하면 색상을 분류하기 위해 회선 신경망과 같은 다른 것을 훈련하십시오

종종 고려해야 할 장점과 장점 중 하나는 단일 모델을 훈련시키는 것입니다 이 두 가지 과제를 동시에 동시에 배우는 것입니다 이를 유용한 정보를 활용하는 패러다임 인 멀티 태스킹 학습이라고합니다 전체적인 일반화를 향상시키기 위해 여러 관련 작업에서 즉, 모델이 더 잘 맞는 경향이 있습니다 한 작업에 대한 정보가 다른 작업을 예측하는 데 신뢰성을 부여 할 수 있기 때문에 좋습니다

단일 모델이 있으므로 두 모델을 사용하는 것보다 배포가 훨씬 쉽습니다 또는 더 많은 모델 따라서보다 쉽게 ​​관리하고 생산할 수 있습니다 시작하기 전에 멀티 태스킹 학습은 매우 강력합니다 자율 주행 차와 같은 많은 응용 분야에 사용됩니다

영어로 된 문서 모음이 있다고 가정 해 봅시다 프랑스어, 독일어 및 이탈리아어로 번역하고 싶습니다 거기에는 동시에 훈련하는 세 가지 작업이 있습니다 이제이 예에서는 이미 CAS 세션을 시작했습니다 DLPy를로드했으며 CAS 서버에 연결했습니다

가장 먼저 보여 드리고 싶은 것은 디스크에서 이미지를로드하고로드하는 방법입니다 이 예제에서는 하위 디렉토리에서 읽은 후 레이블을 재귀 적으로 가져옵니다 따라서 실제로 디스크에서 데이터를로드하여 메모리로 읽어들입니다 서브 디렉토리에서 레이블을 당기십시오 다음으로하는 일은 간단한 빈도 수이며 데이터가 상당히 균형을 이루고 있음을 알 수 있습니다 모든 작업에서 332 개에서 386 개의 관측치가 있습니다

이런 종류의 균형을 가질 필요는 없으며 분명히 콜스 나 메이 시즈, 우리는 더 많은 관측을 할 것이지만 이것은 간단한 데모입니다 이제 멀티 태스킹 딥 러닝을 수행하는 데있어 가장 까다로운 부분 중 하나는 작업 레이블 자체 이제 내가하고있는 첫 번째 일은 Pandas 데이터 프레임을 사용하고 getDummies를 단순히 이진 지표를 만듭니다 딥 러닝 패키지에는 정말 강력한 것이 있습니다 SAS 함수 컴파일러입니다

이를 사용하여 자신의 손실 함수를 찾을 수 있습니다 여기에서는 계산 된 vars를 사용하여 조건부로 추가 작업을 조건부로 정의하고 있습니다 여성, 의복의 조화는 무엇이며, 나는 그것을 다른 사람들과 다시 합류합니다 데이터 여기 간단한 머리를보고 몇 가지 관찰 만 살펴보면 이제 9 개의 총 작업이 동시에 진행되고 있음을 알 수 있습니다

여자를위한 것이 든 아니든 자, 여기에 이미지를 보여 드리는 예가 있습니다 그들이 어떻게 생겼는지 딥 러닝의 많은 머신 러닝 문제와 마찬가지로 데이터 크기도 조정합니다 200×200으로 설정하고 CAS 서버의 모든 작업자 노드에서 데이터를 섞습니다 여기서 20 %의 샘플을 작성하고 있음을 명심하십시오 이것은 홀드 아웃 데이터 세트 테스트이며, 나머지 80 %의 데이터를 사용하여 학습합니다

에 모델 이제이 시점에서 직접 비순환 그래픽 인 기본 아키텍처를 정의하겠습니다 네트워크를 위해 그리고 DL Plot을 사용하여이를 수행하고 있습니다 입력 레이어, 컨볼 루션 레이어, 배치 규범 풀링 및 밀집 레이어가 있습니다

그러나이 네트워크 플롯을 보면 기본적으로 하나의 아키텍처가 있음을 알 수 있습니다 그리고 그 아키텍처는 우리가 시도하는 모든 결과 작업과 공유됩니다 예측하십시오 모든 작업에 대해 동일한 네트워크를 가질 필요는 없습니다 이것은 기본 예이며 여기에서 실제로 잘 작동합니다 예측하려는 각 작업에 대해 서로 다른 네트워크 아키텍처를 가질 수 있습니다

아키텍처를 정의한 후 모델을 학습하려고합니다 이 예에서는 운동량과 같은 매우 기본적인 최적화 방법을 사용하고 있습니다 60 개의 EPICS를하고 있는데 훈련 옵션을 정의하고 싶습니다 이제 partition이 0 인 곳을 사용하고 있습니다 그것은 훈련 데이터의 80 % 만 가져올 것입니다

모델 무게 등 나중에 득점을 할 수 있습니다 GPU에서도 이것을 훈련하고 있습니다 딥 러닝의 곱셈 특성으로 인해 네트워크를 더 빨리 훈련시킬 수 있습니다 모델과 더 빠른 실험

다양한 최적화 방법을 시도해보고 궁극적으로 최상의 모델을 얻을 수 있습니다 더 빠르게 여기에 약간의 출력이 있지만, 내가 시도한 것은 이것을 이것에 요약합니다 반복 플롯 우리가 60 번의 EPICS를했다는 것을 기억하십시오 약 13 ~ 14 개의 EPICS 어딘가에서 쇠퇴와 상실과 시대를보고 있습니다

모델이 실제로 안정화 된 것 같습니다 나는 실제로 그것을 자랑스럽게 생각합니다 좋아 보인다 테스트 데이터와 비교하여 먼저 확인하겠습니다 이 모델은 훈련을 위해 개발되었습니다 이제 데이터의 20 %를 부분 집합 화하겠습니다

훈련에서 절약 한 모델 가중치를 사용하여 해당 데이터의 점수를 매길 것입니다 그리고 여기서 볼 수 있듯이 모든 작업에 대해 평균 제곱 오차가 매우 낮습니다 좀 더 세분화되고 실제로 혼동 행렬과 같은 것을보고 모델이 테스트 데이터에 얼마나 잘 맞는지 그런데이 예측값 p_는 테스트 데이터에 대한 예측값을 나타냅니다 내가 훈련 한 모델에 나는 판다에서 약간의 일을한다 파이썬을 DLPy와 똑바로 혼합하는 것이 좋습니다

그리고 9 가지 작업 각각에 대한 분류 행렬 인 혼동 행렬을 얻습니다 행은 실제 값을 나타내고 열은 예상 값을 나타냅니다 벗어난 대각선에서, 우리가 잘못한 곳입니다 여기에 검은 색은 4 개, 파란색은 4 개, 빨간색은 1 개, 우리는 다른 수업을 살펴보고 정말 잘하고 있습니다 마지막으로, SAS에서 딥 러닝의 비밀 소스 조각 중 하나는 ASTORE

여기에서 실제로 모델을 이진 파일에 저장하여 배치 스코어링을 수행 할 수 있습니다 스트리밍 분석을 사용하여 점수를 매기거나 다른 모델과의 작업을 위해 모델을 ONNX로 가져 오기 PyTorch 및 TensorFlow와 같은 패키지 여기에이 작업을 완료하고 모델을 저장했으며 다음 비디오에서는 실제로 스트리밍 분석을 사용하여이 모델의 점수를 매기는 방법을 살펴 보겠습니다 결론적으로, 멀티 태스킹 딥 러닝은 실제로 여러 개를보고 예측할 수있게합니다 동시에 작업

DLPy를 사용하면 간단합니다 다음 비디오에서 to기를 기대합니다 Python 및 SAS Viya Computer Vision Series를 사용한 딥 러닝에 오신 것을 환영합니다 제 이름은 웨인 톰슨입니다 저는 SAS의 데이터 과학자이며 SAS Deep과 함께 일합니다

학습 R & D 팀 이 비디오에서는 DLPy의 자매 인 ESPPy를 사용하여 멀티 태스킹을하고 싶습니다 딥 러닝 모델 이제 이미 멀티 태스킹 딥 러닝 모델을 훈련했습니다 이미지를 모아서 9 가지 작업을 예측하고 동시에 수행 할 수있는 모델을 개발했습니다

이 예제에서하고 싶은 것은 ESPPy를 사용하는 것입니다 또한 SAS 이벤트 스트림 처리 창에 연결할 수 있습니다 프로젝트를 구축하고 창과 상호 작용하며 모델을 배포합니다 SAS Event Stream Processing은 정말 멋집니다 여기에는 클러스터링에서 시계열 분석에 이르는 여러 스트리밍 작업이 포함됩니다

감정 분석 또는 공동 필터링과 같은 작업도 수행 할 수 있습니다 하지만이 데모에서는 이미지 처리 창과 온라인 창을 사용하겠습니다 딥 러닝 멀티 태스킹 모델을 배포 할 수 있습니다 이제 가장 먼저해야 할 일은 실제로 프로젝트를 만드는 것입니다 이 멀티 태스크를 호출하고 실제로이 셀을 실행하겠습니다

그리고 다음으로하고 싶은 것은 프로세스 흐름이나 관로 실제로 이미지를 읽으려면 소스 창이 필요합니다 우리가 일부 교육에서했던 것처럼 모델을 훈련 할 때마다 일반적으로 이미지 따라서 점수를 매길 때 20에서 20으로 크기를 조정하고 이미지 처리를 사용하겠습니다 그렇게하는 창

다음은 모델을 가져와야한다는 것입니다 모델을 학습하고 ASTORE로 저장 했으므로 모델 리더가 있습니다 그것을 읽을 수있는 창 그리고 실시간으로 점수를 생성하는 득점 창이 있습니다 그리고 보면, 프로젝트는 다음과 같습니다

나는 데이터를 읽고 이미지를 표준화하고 점수를 생성합니다 그런 다음 실제로 프로젝트를로드하고 몇 개의 출력 테이블을 설정하겠습니다 여기에 쓸 것입니다 이제 첫 번째 노트북을 사용하여 실제로 노트북을 정의하기 때문에 별도의 노트북이 있습니다 ESP 프로젝트

이 책에서는 간단히 게시하고 점수 매기기 프로세스를 시작하겠습니다 그래서 저는 팔고이 모든 것을 실행합니다 실제로 모델의 점수를 매 깁니다 다시 여기로 돌아가서 이제 이벤트 스트림 처리 엔진을 사용하겠습니다 득점

실제로 예측 확률과 함께 태그가 지정되고 라벨이 지정된 이미지가 표시되는 것을 볼 수 있습니다 작동하는 예제를 제공하는 작은 세트입니다 수면 시간은 03입니다 이벤트 스트림 처리 엔진은 실제로 초당 최대 50 프레임을 수행 할 수 있습니다

시원한 이 데모에서는 이미 멀티 태스킹 학습을 위해 개발 된 모델을 검색을 용이하게하기 위해 스트리밍 분석을 사용하여 배포 할 수있었습니다 콜이나 메이시 같은 사람 교육용 DLPy와 함께 ESPPy를 사용하면 실제로 쉽게 수행 할 수 있습니다

Data Science And Machine Learning Demo 2 I By Damodhar 9059868766 24th July 2019 I Tutorials

데이터 과학 및 기계 학습 데모 2 I Damodhar 9059868766 24th July 21019 I 자습서 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오

Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오 Damodhar 9059868766 DataScience 및 기계 학습 온라인 교육을 위해 VLR 교육에 전화하십시오

Damodhar 9059868766

Scott Hanselman’s best demo! IoT, Azure, Machine Learning & more

[음악] >> Scott : 실제로 두 개의 장치가 연결되어 있습니다 지금이 밴드가있어

이것은 진짜입니다 모니터링 중입니다 내 심장 박동수 그러나 나는 또한 I 형 당뇨병 환자입니다 그리고 나는 당뇨병 환자 20 년

모든 당뇨병 환자가하는 일 중 하나 그들이 당뇨병에 걸릴 때 그들은이 문제를 해결하려고 노력합니까? 일반적으로 Microsoft Excel; 그러나 어느 시점에 그들은 나가, 당뇨병 환자이고, 나는 엔지니어 다 전선을 연결하고 우리가 할 수있는 것을보십시오 그래서 우리가 인터넷을 말할 때 나는 정상적인 설탕을 바른 사람들, 너도 알다시피, 너는 너의 피트 비트를 가지고 있고, 우리는 그것이 사랑 스럽다고 생각한다 하지만 인슐린 펌프가 있고 그 인슐린 펌프가 연결되어 있습니다 인슐린 펌프가 있습니다

그리고 그것은 내 팔에 연결되어 있습니다 하루 24 시간입니다 그리고 그것은 시스템과 대화합니다 다음은 CGM입니다 그건 내 실제 야

지금 당장 살아있는 혈당 어떻게 거기서 발길질을 볼 수 있니? 그것은 스트레스 때문입니다 실제로 여기에 연결되어 있습니다 내 편에있는 임플란트에 너 한테 보여줘서 미안해

그리고 이것은 진짜입니다 당신이 사물의 인터넷을들을 때, 당신은 생각합니다 Fitbit와 당신은 Raspberry Pi를 생각합니다 그러나 나는 이것을 생각합니다 그리고 이것을 원하는 클라우드 시스템에 연결했습니다

귀하와 공유하십시오 사물의 인터넷은 재미 있지만, 나무 딸기 파이, 이것은 대단합니다, 이것은 라스베리 파이입니다 사물의 인터넷이 가능 해졌다 우리는 실제로 C 코드를 가지고있다 이것에 대해이 온도 센서와 대화하고 있습니다

그래서 그것은 무엇입니까? 온도 센서처럼 보입니까? 일부 코드로 전환 해 보겠습니다 여기 보여줘 이것은 Visual Studio 내부의 일부 C 코드입니다 이것은 낮은 것이다 레벨 물건

C 코드는 때때로 눈을 약간 흐리게 만듭니다 당신이 알아야 할 것, 정장을 입고있는 사람들은 IoT 허브가 있고 당신은 Azure 장치가 있습니다 그래서 테이크 아웃을 거기 그것이 클라우드가 가능하다는 것입니다 그러나 생각하는 개발자들에게는 이건 미친 짓이야, 우리가 실제로 비주얼 스튜디오는 라스베리와 같은 것들의 원격 디버깅을하기 위해 플러그인합니다 Visual Studio의 Pis

그래서 그것이 높은 수준이든, 수백을 갱신하든간에 수천 개의 객체가 있는지, 또는 객체의 수준이 낮고 수행 중인지 여부 원격 GDB 디버깅을 통해 Raspberry Pi를 구현할 수 있습니다 이제 내 시스템에 대해 이야기 해 봅시다 내가 다시 슬라이드로 가져 가자 여기 잠시 동안 이것은 압도적입니다

이것은 Azure입니다 이 모든 아이콘, 이 모든 일들이이 모든 일을합니다 나에 대해 얘기하자 그리고 내가 만들고있는 시스템 그게 내 셔츠에있는 나야

나는 내 밴드가있다 밴드는 Microsoft Health로갑니다 그렇게된다 궁극적으로 스토리지로 내 포도당 시스템은 실제로 API로 올라간다

그것이 나에게 개인적인 것이기 때문에 데이터도 포함됩니다 나는 내 년간 심장 박동수 나는 수년에 걸쳐 나의 혈당을 가지고있다 그걸로 내가 뭘 할 수 있니? 몇 가지 시각화를 보여 드리겠습니다 일부 그래프와 Office에 일부 항목을 연결하려고합니다

Azure 기계 학습이 정말 흥미로운 것에 대답 할 수 있는지 알아보십시오 나와 내 건강에 관한 질문 그리고 이것은 모두 살아 있습니다 모두 진짜예요 그럼이 기계로 다시 돌아가 봅시다

이것은 Nightscout라고 불리는 시스템입니다 이것은 오픈 소스 노드입니다 Azure에서 실행중인 응용 프로그램이 내 CGM과 대화를합니다 나의 연속 포도당 미터 그리고 네가 한 두 사람을 지적 해주기 바란다

여기에있는 것들 이것은 오늘 첫 번째 발표입니다 그리고 이것은 지금입니다 그건 내 혈당을 보여주는 실시간 시스템입니다 그리고 일어나는 일 중 하나는 내가 오렌지를 마시는 것이 아닙니다

주스, 그건 그렇고, 내가 밖으로 전달하는 경우에 대비해,뿐만 아니라 스트레스 스트레스는 포도당을 시스템으로 쏟아 붓습니다 그리고 이것은 단지 하나의 내 혈당을 관리 할 때 내가 다루어야 할 것들 그리고 실제로 나는 그 남자가 그 타이트 샷을 얻을 수 있는지 확신하지 못합니다 그러나 이것은 방금 나타 났으며 클라우드에 나타납니다

지금 내가 높아지고 있다고 경고합니다 그래서 잠시 후에 웹 사이트에서도 발표 할 예정이며 알림을 받게됩니다 내 밴드와 내 시계에, 그리고 사람들이 부르기 시작할거야 나 그리고 그것은 무서울 것이다 그래서 거기에 우리가 간다

알림이 나타났습니다 그럼 얘기하자 그 통지가 실제로 어떻게 나타나는지 나 밴드가있어 그리고 이것은 클라우드의 일부 데이터입니다

어떻게 보입니까? 음, 밴드가 몇 가지 JavaScript를 말할 수 있음이 드러났습니다 나는 가져갈 수있어 밴드 밖의 자바 스크립트 이것은 developermicrosoftband

com에 있습니다 밴드가있을 수 있습니다 개발자가 아니어도되지만 개발자는 자바 스크립트 나 블로그 또는 일부 XML을 가리키는 URL을 가지고 있습니다 타일을 만들고 싶습니다 나는 혈당을 위해 만들었다

이제는 시스템에 Nightscout이 있는데 내 피를 볼 수 있습니다 바로 거기 설탕 흥미로운 점은이 비주얼 디자이너를 사용할 수 있다는 것입니다 그러나 나는 또한 할 수있다 매니페스트를 직접보고 이것을보십시오

그것이 바로 코드입니다 설탕은 높습니다 그것이 150을 넘으면 알림 그리고 내 밴드에 대한 통보를받을거야 이것은 할 수 있었다

빌드 서버로, 당신이 당신의 식물에 물을주고 싶든간에 그것은 사물의 개인 인터넷입니다 그리고 그것이 바로 나 행복 그러나 이것에 대해 생각해 봅시다 일단 내 혈당이 클라우드에서 내가 그걸로 뭘 할 수 있을까? 알림을 보낼 수 있습니다

제 아내는 걱정할 수 있습니다 아마 전화 할거야 잠시 후에 나는 괜찮은지 확인해 줘 그러나 이것은 과정 내가이 물건들을 분석하고 싶다고 말한 것을 기억하라

Excel에서 글쎄, 내가 VBA, Visual Basic을 잘하지 못한다는 것이 밝혀졌다 응용 프로그램 용 세계 비즈니스의 80 % 논리는 Excel에서 실행됩니다 나는 그것이 사실이라고 생각한다

실제로 Excel JS API, Excel 용 JavaScript API 추가 할 수 있습니다 웹 기술을 사용하는 JavaScript의 Excel 용 만드는 법을 알아라 그래서 우리는 갔고 우리는 HanselSugarsProject, 실제로 보여 드리겠습니다 몇 초 안에 코드가 생성됩니다 우리는 거기에 갈

자바 스크립트를 사용하여 Excel에서 테이블을 채울 곳은 어디입니까? 웹 기술을 사용합니다 흥미로운 점은 흥미롭고 흥분되는 것입니다 이것에 관해서는, 내가 이것을 어떻게하는지 전에 몰랐다는 것입니다 너 봤어? 저는 웹 개발자입니다 하지만 이제 나는 여기에 들어가서 들어갈 수있다

내 타겟 범위, 히트 새로 고침, 이제 우리는 가서 얘기 할거야 백엔드 시스템에 연결하고 차트를 동적으로 채 웁니다 의사에게 보낼 수있는 혈당의 엑셀 또는 내 아내 힘과 열정에 대해 생각해야합니다 나는 전에 없었던 Excel을 갑자기 가지고있었습니다

저는 웹 개발자입니다 거기에있는 웹 응용 프로그램입니다 Excel 온라인에서도 작동합니다 그리고 어느 날 그것은 iPad에서 Excel로 작동합니다 그것은 pft와 같습니다

하나의 레고 조각을 사용하는 방법을 배우면 그런 다음 다른 물건에 연결할 수 있습니다 매우 격려가됩니다 나를 위해 다시 말하면 내 혈당이 흥미롭지 않다면 너에게, 그리고 어쩌면 너의 취미가 아닐지도 몰라 직장에서의 일이나 영감이 당신의 마음에 올 것입니다

당신은 어떻게 이들을 함께 연결할 수 있는지 생각할 것입니다 그게 너무 흥분되는 것입니다 그래서 나는 모든 피를 가졌어 설탕을 실시간으로 클라우드로 수집 할 수 있습니다

그 밖의 것 내가 그걸로 할 수 있을까? 여기 다른 머신으로 넘어 갑시다 나는 Mac으로 전환 할 것이다 이것은 VS 코드를 실행하는 Mac입니다 그리고이 특별한 Mac은 건강 API에서 온 웁스로부터 내 데이터를 수집하는 코드 그래서 우리는 RESTful API 호출, 표준 API를 만들 것입니다

Band Aid가있는 Microsoft Health에 전화를 겁니다 이것은 매우 중요하기 때문에 저장되었습니다 내 데이터 야 내 심장 박동 데이터 야 내 혈당이 제 데이터입니다

일단 내가 가지고 있으면 그 데이터의 소유권, 내가 그걸로 뭘 할 수 있을까? 연결할 수 있습니다 그 데이터에 다른 것들을 할 수 있습니다 내가 뛰어 내릴 수 있는지 보자 여기서 나가 전체 화면으로 전환되었습니다

전체 화면이 약간 혼란 스러울 수 있습니다 우리는 거기에 갈 나는 갈거야 그 데이터를 가져 가면 Microsoft에서 꺼내겠습니다 Health API

그리고 이것은 스토리지 탐색기입니다 내가 원했던 이유 Mac에서 이걸 보여주기 위해서는 Azure Storage이기 때문입니다 Explorer에서 출시했습니다 그것은 크로스 플랫폼입니다 우리가 찾고있어

내 혈당 데이터의 CSV 파일에 클라우드에 앉아 있습니다 실례합니다 내 심박수 데이터, 실례합니다 나는 다운로드를 치러 갈거야 나는 그것을 바탕 화면에 던질 것이다

조심해 이제 저는 힘이 있습니다 이제 나는 통제권을가집니다 이제 나는 그것과 나는 그것에 대한 분석을 할 수있다 그리고 지금이 경우 나는 단지 그것을 바탕 화면으로 가져 왔습니다

나는 약간의 테스트를 할 수있다 내 혈당에 대한 알림 여기서 분석 할 수있어하지만 어쩌면 내가하고 싶어 그 분석을보다 정교한 방법으로 당신이 생각하기 시작할 때 사물의 인터넷에 대해, 당신은 거대한 금액에 대해 생각하기 시작합니다

데이터의 내 심장 박동이 있다고 했어 그게 얼마예요? 평균 이상입니까, 5 분 이상입니까, 몇 시간입니까? 이것은 엄청난 양의 데이터입니다 내 혈당이 3을하고있다 또는 매일 400 개의 데이터 세트

1 년 동안, 이것은 엄청난 양의 정보를 추가합니다 이것은 단순히 Excel에 넣고 정렬하는 것은 패턴처럼 보입니다 나를 위해 충분하지 않을거야 나는 어떤 일을해야 할거야 기계 학습

왜 내 피를하는지 알아야 겠어 스트레스를받을 때 설탕이 올라간다 추수 감사절 저녁은 무엇입니까? 어떻게 생겼어? 어쩌면 기계 학습을 통해 이러한 질문에 대답 할 수 있습니다 그래서 다시 다음으로 전환 할 것입니다 이 시스템은 여기에 있습니다

그리고 내가 뭘하려고하는지, 나는 여기로 뛰어들 것이다 이것은 기계 학습 종류입니다 내가 합친 알고리즘, 실험, 너라면, Azure에서 바로 심장 박동수의 데이터를 가져와 저장 및 포도당 데이터와 나는 스트레스 지수 한셀 만 스트레스 지수를 발명하고 있습니다 그리고 우리는 그 데이터를로드 할 것입니다

그리고 우리가 갈 일은 할 일을 정리하고 정상화 조금해라 분석을 수행하고 통계를 실행 한 다음 데이터 세트를 작성하십시오 결과는 내 스트레스의 시간 기반 데이터 세트가 될 것입니다 괜찮아 그래서 그것은 재미있는 일입니다 꽤 강력하지만 시간이 지남에 따라 그것을 볼 필요가 있습니다

그러면 시간이 지나면 어떻게 표현할 수 있을까요? 그리고 거기에는 어떤 가치가 있습니다 그 안에? Office 365에는이 API가 있으며 Microsoft는 그래프 API, Microsoft Graph, graphMicrosoftcom 및 이렇게하면 내 정보를 가져올 수 있습니다 나는 계속 강조하고있다

내 혈당, 심장 박동수, 캘린더 및 전자 메일 통합 API를 사용하여 이러한 것들과 그래프를 가져오고 싶습니다 API를 사용하면 그래프에서 볼 수 있습니다 Microsoftcom에서는 그 요청들

그래서 우리가 내 혈당과 내 시간이 지남에 스트레스와 심장 박동수가 오피스 365에 오버레이 됨 달력을 통해 우리에게 통찰력을 줄 수 있습니다 그리고 다시는 이 물건에 대해 아는 것 이것은 매우 중요하며 왜 개발자로서 이것은 매우 흥미 롭습니다 자바 스크립트 알아 나는 웹을 안다

나는 C #을 안다 이제는 구름에 대해 편안함을 느낍니다 그러나 내가 볼 때, 안녕하세요, 이것은 API이며 자바 스크립트를 사용하며 마이크로 소프트의 그래프 데이터는 놀랍습니다 놀이터 야 흥분의

그래서 이것을 빌드하고 시작 날짜와 종료 날짜를 얻을 수 있습니다 이것은 모두 표준입니다 JSON 구문 분석, JavaScript 구문 분석, 모두 그래프 API 사용 잠재적으로 대답 할 수있는 질문의 종류를 알아 보겠습니다 여기 내 캘린더가 있습니다 달력 데이터에 적용되는 스트레스 인덱스 클릭하자

하나에 이것은 모두 진짜입니다 여기 포도당이 업데이트됩니다 나는 다른 리허설을 볼 수 있으며 심장 박동과 설탕과 스트레스 변화 실제로 쿼리를 실행하고 볼 수 있습니다

그 기계의 결과는 진짜로 불타는 것을 배우고 묻습니다 질문, 우리 모두가 가지고있는 질문 이 문제를 일으키는 내 인생에서 가장 스트레스가 많은 사람 그리고 내 혈당을 올렸지 [웃음] [박수] 알았어 개발자가되는 것은 정말 대단한 시간입니다

나는 이것들을 지금 함께 넣을 수있다 매우 개인적인 시간입니다 극도로 힘든 시간입니다 우리가 어떻게 계속 얘기하는지 알지 모든 사람들 : 아이들에게 코드 작성법을 가르쳐주십시오

모두가 배울 필요가있다 코드 작성 방법 그것은 그것의 일부입니다 하지만 우리는 사람들을 가르 칠 필요가있다 시스템에 대해 생각하는 방법과 물건을 연결하는 방법

그래프 API에 대해 알고 있어야합니다 그러나 오픈 웹 기술을 사용하고 있기 때문에 이치에 맞습니다 나는 많은 오픈 소스 시스템을 모른다 그러나 나는 배우고있다 그 도서관들

그리고 내가 그들을 데리고 오는 이유는 그들이 열린 기술NET은 오픈 소스입니다 질문이있는 경우 문서를 볼 수 있습니다 그러나 나는 또한 근원을 읽을 수있다

어쩌면 나는 Mac을 운영하고 싶다 아마 나는 아이폰을 원한다 나는 건축 할 수있다 Visual Studio에서 모바일 도구를 사용하는 시스템 아마도 나는 우분투에서 실행하고 싶다면 Visual Studio 코드를 사용할 수 있습니다

Angular를 쓰고 Go를 사용하여 Azure 클라우드에서 이러한 작업을 실행할 수 있습니다 이제는 개발자가되어 줄 수있는 흥미롭고 힘든 시간입니다 우리가 가지고있는 것만 큼 재미있는 물건을 만들길 바랍니다 너를 위해이 물건을 만들었다 그리고 나는 정말로 기대합니다

모두가 만들 수있는 것을 본다 고맙습니다 정말로 멋있는 날

What is Data Science And What is Machine Learning 9059868766 Demo By Deepak డేటా సైన్స్ డెమో

이 회의는 이제 녹음됩니다 나는 디버그 중이다

나는 8 년간의 경험을 쌓은 후 최고의 MMC를 위해 일합니다 나는 출신이다 하이데라바드는 현재 나 영어와 텔루구 어를 할 수있다 그들은 다른 사람들을 통해 이해하지 못한다 많이 익숙한 영어는 그렇지만 그들은 여전히 ​​텔루구 어를 이해할 수있다 미안 영어 너는 나에게 어떤 질문이라도 질문 할 수있다

좋아, 설명 할 수있어 어떤 언어로 자, 이건 유령과 나에 관한거야 시간은 7-8 Venkat이 당신과 협조 할거예요 괜찮아 당신 질문이 있더라도 필요할지라도 나를 막으십시오 나는 아무것도들을 수 없다

당신 당신 또는 개입 후 그래서 데이터 감각으로 가기 전에 간단한 소개 만하고 싶었습니다 좋아요, 데이터 감각은 뭔가요? 그들 중 대부분? 그들은 몇 가지 아이디어를 가지고 있습니까? 그들이 가질 수있는 사람들 일부 유행어 좋아, 근본적으로 돌연변이 체이고 데이터 감각은 현재 보이는 것을 의미하니? 일단 당신의 훈련 대금 그들은 괜찮아 괜찮아요 그 미래는 괜찮지 만 데이터 감각과 숭고함으로, 알았어 처음에는 간단한 소개 인 Edison 최대, 당신은 Decca tracer에 대한 평범한 영어를 알고 있습니다

인도에있는 회사에게 선물하기 알았어, 말리키에있는 회사의 한 회사가 자레드를 예언 했어 알았어 지난 달에 판매 단위에서 현재 달의 셀을 볼 수 있습니다 Tilden에서 만나자 좋습니다

매출액은 분기와 관련이 있거나 1 년 또는 그들은 전년도와 비교할 수 있습니다 좋아, 그럼 그냥 수학적으로, 이것은 일치하고 있습니다 좋아, 지난 달이 20이고이 정도가 30 예측이라면 순 관리는 15 괜찮아 저기있다 아무것도 할 필요가 없다

알았어, 그냥 상식이야 그러나 시즌이라면 어떨까요? 알았어 축제 기간 동안 선생님 죄는 높을 것입니다 괜찮아 평범한 예측뿐만 아니라 다양한 매개 변수를 고려합니다 그들은 n 개의 매개 변수를 고려합니다

축제 시즌과 인근의 상점들과 가게의 면적은 얼마나 큽니까? 좋아요, 고객 방문은이 모든 점을 고려했습니다 그것이 좌파와 두 번째 자연 언어 처리에 관한 이야기입니다 좋아요, 오늘은 페이스 북이나 트위터를 자주 사용하여 사라집니다 좋아요, 홍보하고 싶다면 내 모바일 용으로 홍보하고 싶다면 내 판매 아이폰 좋아, 내 전화 회사와 나는 내 전화를 팔고있다 그래서 나는 새로운 전화 I을 발표했다

사람들이 내 제품을 좋아하는지 여부를 알고 싶습니다 그들이 원한다면 어느 미래의 용어 좋아, 만약 그들이 우리가 좋아하지 않는 것을 좋아하지 않는다면 좋아요, 세 번째 시스템은 추천 시스템입니다 온라인으로 항목을 구매할 수 있습니다 나는 아마존만을 택할거야 하나의 항목을 검색하는 경우 Amazon 예제를 사용합니다

두 번째 항목을 제공합니다 좋아요 모바일 검색 중일 수도 있습니다 좋아, 모바일 앱을 검색하면 근처의 모바일이 나에게 10 ~ 8 개의 아이폰을 찾고있다 하이 엔드 모바일인지 알려주세요

그것은 저에게 저에게 접근을줍니다 그러나 그것이 어떻게 꿈인지 과 이미지가 있으면 컴퓨터 비전 그것은이 이미지가 많이 있다고 알려줍니다 좋아, 물건이 남자일지도 몰라 왜냐하면 여기가 어떻게 보일까요, 이것은 매우 유일한 이미지이고 현재는 사각형이 주어지지 않은 것입니다 정확한 괜찮아 그것은 인간과 같은 것입니다

그것은 그것이 당신에게 사각형을주지 않을 것임을 정확히 나타냅니다 그것은 정확한 인간을 준다 영상 괜찮아 이것은 모두 데이터 감각에 속하며 구현되었습니다 괜찮아 Jessie의 현재 업무가 현재 구현중인 경우에만 구현됩니다 Ok, 대부분의 회사 추격 박하 그래서 쉽게 몬테 오늘 일어나고있다 판매 예측도 자동차와 함께 지저귐 다리 – 새로운 소셜 네트워크 낮은 말할 수 열 모델의 Gucci 제품이 온다면 월마트, 긍정적 인 당신은 eto 모듈러 컨트롤러를 배우러 왔음에 틀림 없다

모바일 룩에서 효율적인 81 긍정적 좋아, 그래서 특히이 컨테이너 섀시가 필요합니다 판매 핀치 코드에서 열쇠를 가지고 광고가 좋은 저렴한 프로모션 괜찮아 우리는 하나의 학습을 통해 지저분한 일을합니다 그래서 그것은 단지 최대입니까? 광고 호수 위스키 다음 OCC 미디어 또는 무엇? 내가 참조 모바일 캠페인 옆에 좋아, 다음 SMS 경쟁력이있는 회사 일 수도 있습니다 마케팅 사람이나 차파를 보아라 Wallace의 중요한 비밀스런 월계관에 핀치 코드가 있기 때문에 나는 푸른 오크라에서 하와이가 끝내고있는 지하 감옥의 코드 다

다음 두 추천 생일은 내일 세라노가 설립 한 사람이 포함되어 있습니다 너에게 숙소라고 말한 줄 알았는데 좋아, 네비게이터, 다음 컴퓨터 비전 이미지는 네바다에서 쉽게 관리 할 수 ​​있습니다 돈 이미지 처리는 데이터 감각을 너무 쉽게 표시 할 수있는 기분입니다 괜찮아 현재의 산업 전쟁은 조금 울렸다 진부한 체이서 알았어, 알았어

최근에 미안하다 그것은 PC 산업 수준의 앤디 이것은 산업 수준에 관련된, 알았어,이 IBM 왓슨입니다 세계 챔피언과 경쟁 할 때 그것은 더 싼 경쟁과 같습니다 좋아요, 그들은 질문을하거나 그들은 단락에 대한 단락을 제공합니다 몇 가지 질문이 있습니다 좋아,이 두 녀석은 세계 챔피언이야

오케이 세계 챔피언 그들은 경쟁하고있다 임무, 이쪽은 IBM 왓슨입니다 그래, 그들은 2012 년에하지 않았다 2013 년 괜찮아 iPhone을 사용하고 있거나 Google 좋아, Google 비서 또는 iPhone Siri를 사용할 수 있습니다

모바일이 통치됩니다 당신을 위해 몇 가지 검색 결과를 제공합니다 나는 이것이 운전자가없는자가 운전 차 코스 다 Ragan이없는 코스는 다음에서 구현됩니다 이것은 테스트 단계에 있으며 이것은 인도의 많은 개조 자들에게도 보입니다

인도에서도 복잡하거나 쇼핑몰에 입장 한 경우 패스 이 가게는 어디 있습니까? 어느 층이나 내가 일부 티켓을 사고 싶은가? 어디서 정보를 얻을 수 있습니까? 좋아요, 그리고 그것은 당신을 위해 봉사하는 일부 복장 방법을 가지고 있습니다 외국인에게 봉사하는 것은 일부 사람들에게 이해를 줄 수 있습니다 그것은 당신에게 음식을 제공합니다 업계 수준입니다

그래, 이걸 보면 IBM 만있는거야 괜찮아 Google 또는 또는 애플과 이것들은 대부분 그들이하고있는 회사들 중 일부 다 자동차 회사와 이것이 큰 곳입니다 대기업 좋아요

이것은 업계가 잘하고있는 곳이지만 이것은 회사를하고있는 것입니다 우리가하는 일은 이것입니다 그리고 슬라이드를 하나 더 추가하는 것을 좋아합니다 리에있어 인간의 꿈을 저장하는 실험이있다

알았어, 다른 카를로스 한테 간디를 부를거야 캐롤린이 제롬에 저항하는 이야기가 하 페니 야? 생물학 채석장 그들과 관련이 있지만 핵심은 그것이 우리의 두뇌가 생각하는인지 적 컴퓨팅인지 장애입니다 그들은 인공 두뇌와 간단한 용어를 만들려고 노력하고 있습니다 좋아, 이것은 이상한 업계에서 와서 몇 가지 헤드 라인의 첫 번째는 최근 10 월 17 일 3,018 명입니다 지난 달에 한 달도 안됐어 인도에 5 만개의 게시물 인도에서 깨어 난 데이터 세트에서 인도의 시대를보고합니다

좋아, 너도 알다시피, 배우고있는 사람들이 많이있다 그가 지불 한 경우에도 데이터 과학 수백명의 사람들이 왜 일자리를 얻지 못하고 있습니까? 유일한 것은 그들이 이론을 알고 있지만 실용적이지 않다는 것입니다 그게 첫 번째 문제 야 좋아요, 그들은 기술이 없습니다 YouTube 또는 다른 곳에서 배우는 대부분의 사람들 그들은 물을 뿌릴 때를 모른다는 것을 이해할 수 없다

그게 큰 문제 야 당신이 두 번째를 관찰한다면 Pichai는 aa가 불보다 Alexity에게 더 중요하다고 말했고 Alexa T 우리는이 도구의 중요성을 알고 있습니다 이들은 기본이다 필수품 Google CEO는 그보다 더 중요하다고 말합니다 이것은 미래입니다

이것은 적어도 미래가 될 것입니다 우리는 약간의 화분에 이르렀지만 이것은 미래가 될 것이며 이것들은 다른 것입니다 그만큼 10 월 17 일 런던 타임즈 인디아 아니 당신은 실제로 낮은 링크 데이터를 게시하지 않았습니다 열다 괜찮아 하지만 그는 찰리를 가질 수 있었고, 기적을 보았을뿐입니다

오 위원장은 코너를 떠난다하지만 내일 쿠퍼 이론에 대한 첫 번째 이유는 또는 단지 nerevar YouTube를 듣는 사람이 누구인지 이해하기 때문에 블로그에 올릴 수 있습니다 Maru 진주를 지펴 보자 그것은 처음이지만 제발 하나의 낮은 실시간 낮은 그것은 일종의 중복 3d 실시간 로그에 문제가 발생합니다 그냥 일종의 이력서가 주요 문제입니다

말리키, 알았어요 음, 아델레는 그렇게 할 수 없지만 일어났습니다 네바다 조금 문제가되지 않았 니? 심지어 새로운 인텔 의류가 완료되었습니다 거의 2 ~ 3 년 동안 그녀가 아니, 아니 주위에 잃어버린 3 개월의 사형 선고가 에테르 후보에 있습니다 오늘까지의 이유는 같지만 한 가지 동등한 모델이 실제로 그가 전하는 진짜 문제입니다

단순한 날 놀라게 할거야 II 괜찮아 어쩌면 나는 영원한 날에 비유 할 수있는 비유를 의미 할 수도 있습니다 P 팀이 아닙니다 나에게 남겨주세요 Tim이 낮지 않다면 칩 중 하나가 파키스탄을 상대로 벽을 어필한다

그들은 알레그라를 걸치고 있니? 기본적인 간단한 실시간 근로자 괜찮아 아메리카 합중국은 네바다의 예를 들어 달의 물방울에 접근 할 것이라고 말했습니다 그래서 무한대의 손실입니다 그렇게 쉽게 – 아담과 지하철 사이로 대체하거나 그렇다면 당신이 나를 위해 일한다면, 어떻게 될 것입니까? 데이터 과학자 인 오케이 데이터 과학자는 누구입니까? 1 년 또는 2 년 동안 일할 수 있다면 경험의 관점에서 알 수 있습니다 그렇다면 당신은 중년에서 중급까지의 데이터 과학자입니다 네가 보낸 데이터를 보았다면 최고 임금이있다

이것은 USD이다 다른 카타르 족과 관리자와 관련이 있습니다 이것은 건축가와 관련이 있습니다 그래,이 두 사람은 높은 경험 관리와 목표를 가지고있다 그러나 데이터 과학자 또는 데이터 설계자 또는 데이터 엔지니어 인 경우 좋은 결과를 얻을 수 있습니다

알았어 우리는 여기서 첫 번째 질문에 빠지게 될 것입니다 이제 데이터 감각이란 무엇입니까? 데이터 감각이란 우리가 컴퓨터 감 지식 일부 컴퓨터는 지식 프로그래밍 지식 네가 CeCe 장소를 알고 있다면 네가 가질지도 모르지 괜찮아 기본 프로그래밍을 알고 있다면 괜찮습니다

괜찮아? 나는 너에게 나머지를 가르쳐 줄께 기계 학습 처음부터 최소한 가르쳐 줄 것입니다 괜찮아 질 때까지, 하나 둘, 80 ~ 90 %가 가장을 가르 칠거야 나는 기초를 줄 수있다 아주 기본적인 것으로 시작하겠습니다

나는 중간체에 대해 설명하고 시장에서 새로운 것이 있다면 항상 최고 수준을 줄 것이다 그렇다면 그것을 배우는 법을 알려 드리겠습니다 알았어, 내가 그걸 가르쳐 줄 것을 알리면 수학 및 통계학 I 확률과 함께 필요한 수학 및 통계를 가르쳐 줄 것입니까? 좋아요, 데이터 감각이나 기계 학습에 필요한 세 가지를 모두 가르쳐 드리겠습니다 전통적인 소프트웨어는 때때로 필요하고 때로는 필요하지 않습니다 좋아, 우리는 배운다

우리가 전통적인 연구를 필요로 할 때까지 괜찮아 우리는 그들에 대한 어떤 연구도하지 않을 것이지만, 우리는 배울 것입니다 우리가 가진 것 좋아, 주제 전문가의 전문성 그것은 당신이 일할 수도있는 일하는 도메인에 달려 있습니다

다른 이벤트 금융 보험 회사에 따라 다르지만 기술적 인 것에 집중하는 법을 배울 필요는 없습니다 좋습니다, 우리는 모든 기술적 인 것들과 나는 너를 알지 못한다고해도 나는 너에게 가르 칠거야 날 믿어 내가 너에게 가르쳐 줄게

물론 코스 란 무엇인가, 우리는 누가 데이터 과학자인지를 배우게 될 것입니다 좋아요, 저는 데이터 과학자의 역할과 책임에 대해 이야기 할 것입니다 그럼 내가 코스의 훈련 과정을 가르쳐 줄거야 알았어, 선형 대수 통계 확률 좋아, 파이썬을 프로그래밍 언어로 가르치거나 또한 데이터 센스를위한 하나의 프로그래밍 언어로서, 왜 내가 선택한 이유를 말할 것입니다 파이썬 알았어

기계 학습은 내가 가르 칠거야 기계 학습에서 대부분 시간을 보내지 않는 대부분의 시간을 보내십시오 좋습니다, 저는 알고리즘 대부분을 알고리즘 I의 보증금으로 가르쳐 드리겠습니다 ML 기술에 대한 자세한 설명과 구현이있었습니다 좋습니다

특히 이것에 초점을 나는 것은 내가 말하고있는 것입니다 실시간으로 어떻게 구현합니까? 어떤 문제가 있다면 그 문제를 해결하는 방법을 배우십시오 좋아, 또는 인터넷이나 노인들로부터 도움을받는 방법을 어딘가에 치면 내가 너에게 말할거야 데이터 과학자의 일상적인 활동 모든 활동 수행해야합니다

아침부터 저녁까지해야 할 일이 무엇입니까? 좋아요, 전형적인 무엇입니까? 네가해야 할 일이 아니야 하지만 전형적인 어떻게 문제가 생기는가? 좋아, 어떻게 지내? 그걸 이해할 필요가 있니? 데이터 요청 방법 그리고 그것을 해결하는 방법과 생산을 정의하는 방법을 묻는 데 필요한 데이터의 종류는 무엇입니까? 실시간 애플리케이션 실시간 응용 프로그램과 종단 간 유스 케이스 실행 중 일부 그래서 이것은 당신의 관심에 달려 있습니다 이것은 선택 사항 일뿐입니다 나머지 부분은 제가 여러분에게 알려 드리겠습니다

좋아, 나미는 독립적이고 데이터 과학자 개미, 알았어, 알았어 Willie는 새로운 분대와 동등한 진짜 가명을 의미합니다 akuna 예쁜 장소 또는 70 미모사 나는 Shipton 선형 대수 통계 확률에 손을 넣어 봤는데 오, 그는 철저한 슬픔의 증상 이예요, 알았어요 이것이 의미하는 프로그래밍 언어 인 Python 이 문화는 다른 언어에 대한 오르간 아이디어이지만 파이썬 수학은 불만의 RNA로 남아있어 기계 학습 알고리즘 기본 ung 고급 chipton 있었지만, 시장과 코소보 Ginetta 모트 램 아디 니나 브레이든 (Nina Braden)이 나보다 예배당에서 차를 마시 며 예배 드리도록 허락합니다 Mina Mina Mina를 두드리는 것만으로도 진정한 시크교의 날이 될 수 있습니다

노예들이 그들을 거부 할 수 없었다 괜찮아 토론토 섀시는 그녀에게 내일 더 기술적 인 것들 모델을 제시했습니다 실시간 낮은 기술을 가진 Tata는 Connery에게 4 월을 요구합니다 좋아, 엘라도 환영하고 찢지 않아 오케이 쿠라 타 군주제 오, 죄송합니다 사무실 아침에 주위에 데이터 과학자 생활이라면 테라사에있는 이타카 타오 스 코치의 린다 로사 호수 어벤저 스 Cora metla가 차를 만들었을 때 poco model bill Jerry MATLAB에게 차가 왔습니다

그런 다음 숨겨진 단서를 봅니다 생산 이탈리아 알루미늄에 Jepson L 좋아요, 실제 수요에 따르면 응용 프로그램이 당신을 때릴 것입니다 한 가지 일만 할 수있는 아이들과 체스터의 단순한 저속한 이름은 선택 사항 일 수 있습니까? 좋아, 연속체에서 로타리는 단지 가장 좁은 창조적 인 초코 싱글을 필요로한다 TNT의 본질을 납땜했다 : Costner Russo 본과 교도소 집행 담배도 관계가 선택 사항이 아니기 때문에 내가 자세히 가르쳐 줄 것입니다

네바 다에서 수확량을 끌어 내야합니다 윌슨 (Wilson)은 IP 인코더를 통해 전송되는 클래스가 될 수 없습니다 괜찮아 내가 선택한 이유는 이것이 당신이 볼 수있는 프로그래밍 언어를 가질 수 있다는 것입니다 거의 76 점 3 명이 사용하고 있습니다 파이썬 괜찮아 59 또는 밀접하게 60 %가 사용하고있는 것은 이것이 심지어 성장하고있는 것입니다 좋아, 그 이유 때문에 내가 전에 파이썬을 선택 했었어

그러나 파이썬에서 모듬 물결 치다 파이썬 이들은 그의 경기에서 세 포지션입니다 2 년 넘게 나는 최적화 된 코드를 작성할 수 없다 그래서 이건 휘발성 애매한 작은 지식 소설처럼 데이터베이스 검색 나 미루, 최고의 안무가 민족주의 바로 – 그 외의 조건 소책자를 관찰하는 등의 데이터 리스터가 맥박 상태가 아닐지도 모르니까요 Bookman, Okl me Lily 그러나 패키지가 기본 프로그래밍을 게으른 수있는 사람들에게 주어질 때 대답은 약간 변할 수 있음을 알아야합니다 깊이있는 수학을 이해할 수 없기 때문에 수학이 거의 중간 정도의 낮은 것으로 입증 될 때까지 기계 학습을 할 수 있습니다 듣지 않는 배당금 중간 공학 또는 베다 로사는 이제 펄에서 살기 좋았다

나노 Morton chipton이 필요합니다 좋아, 중간에 압력이있어 그렇지만이 블리자드에는 박사 학위가 없으므로 채널 맨 그들은 기계 학습을하고 나의 증오는 내가 싫어하는 것입니다 그래서 그들은 나를 환영한다 그래, 전반적인 죽음 의도하다 미루, 할인, 그것은 우리의 임무 인 Connie이고 흔들림을 수행 할 수 있습니다

PhD Lou 만 대학과 숙모와 함께 일어나지만 표범은 일종의 수요입니다 중반 운동과 수학자가 생겼다 필자는 빠른 컴퓨터가 없다 그래서 질문은 기계 학습 Antonia를 의미합니다 아니 피자 임무도 못생긴 것처럼 보였지만 4GB 시스템이 생겼다

좋아, 기적, Annika Bergeron Hotel Miku 세 kunis 나는 곧 내가 제공 할 것이지만, 이탈리아는 제쳐두고 그들을 배에 백만 당 하지만 후지 VRAM 나마 프로세서 괜찮아, 심지어 엘사 팬 난 과즙 짜는기구에 일하는 사람들 또는 액체의 대부분을 시간을 보내지 말라 100 doulton 오늘과 무고한 medicina 아침, 오카 방고 모니카 토요일에 언제나 그날의 휴식 그런 다음 학교에서 연습을 한 시간 정도 고맙습니다 내 말을 들어 시간을 보낼거야 좋아, 핀 d-sub 시간이야 모두 다 매일 kikuna에 걸쳐 중복 포케몬 유럽, 인도에 참석 C1 충분한 소음이 올 때마다 매번 C1 F

좋습니다 나는 큰 생각을 몰랐다 나는 아빠에게 감각과 린넨을 말하며, 나는 심지어 리더를 섭취 한 감각이 낮다는 것을 알 수있다 좋아, 내가 말한 가장 빠른 이름을 내게 지어 라 너무 싸고 단지 달리기를 줄이지 만 조금이라도 배우지 않을 것입니다

n에 괜찮아 이전에 스플래시 한 적이 있다면? 위원회 위원이 의심 할 때 분명하게 의문의 여지가있다 에 관해서 프리즘 사춘기는 문제 수준의 토큰을 불필요하게 긴급하게 제공합니다 어떤 질문을 할 수 있습니까? 데이터 감각과 관련이 있거나 과정이 끝난 후 전체가 직업이나 다른 것을 줄 것입니다 나는 너의 신경을 돌볼 수 있다고 너를 도울 수있어 좋아요

이것은 오늘을위한 것이며 이것이 데이터 과학에 대한 과정과 약간의 소개에 관한 것입니다 당신은 linkit으로 그것을 셀 수 있습니다 그는 당신에게 세부 사항의 나머지를 보여줄 것입니다 괜찮아 모두에게 좋은 하루 되세요

Mircrosoft’s Demo for explaining the use of Machine Learning in Health Care

>> 스캇 : 나는 실제로 저에 연결된 장치의 몇 가지있어 지금은이 대역을 가지고있다

이것은 현실이다 그것은 내 심장 박동을 모니터링합니다 그러나 나는 또한 I 형 당뇨병 환자용입니다 그리고 20 년 동안 당뇨병있었습니다 그들은 당뇨병이 될 때마다 당뇨병이하는 일 중 하나는 해결하려고하다 일반적으로 Microsoft Excel에서이 문제; 그러나 어떤 점에서 그들이 알아 내려고 시도 물론, 나는 당뇨병 그리고 난 엔지니어 해요,의 함께 몇 가지 전선을 연결하고 보자 무엇을 우리는 할 수 있습니다

우리가 사물의 인터넷을 말할 때, 나는 그것이 좋은 생각 당신이, 일반 설탕 명, 당신이 알고, 당신은 당신의 FitBits을 가지고, 우리는이 사랑스러운 생각,하지만 난 인슐린 펌프를 및 인슐린 펌프에 연결된다 인슐린 펌프가있다 그리고는 내 팔에 연결합니다 그것은 하루 24 시간입니다 그리고 그 시스템에 이야기

여기 CGM이다 그게 지금 내 실제 라이브 혈당입니다 거기 조금 발로 어떻게 당신이 볼 수? 그 때문에 스트레스입니다 즉, 실제로 내 옆에서 임플란트에 여기로 연결합니다 당신이 내 chubbiness을 보여 죄송합니다

그리고 이것은 진짜입니다 당신은 사물의 인터넷을들을 때, 당신은 핏 비트 생각하고 당신은 라즈베리 파이를 생각하지만, 생각 이 그리고 우리는 내가 당신과 함께 공유하고 싶은 몇 가지 클라우드 시스템에이 연결했습니다 사물의 인터넷은 재미 있지만, 라즈베리 파이 같은 것들, 이것은 이것이다, 대단한 라스베리 파이는이 것들의 인터넷을 사용할 수 있습니다 우리는 실제로이 온도 센서 이야기 이것에 C 코드를 가지고있다

그래서 온도 센서가 생겼는데? 내가 여기에 몇 가지 코드로 전환하고 보여 드리죠 이것은 비주얼 스튜디오의 내부의 C 코드입니다 이것은 낮은 수준의 물건입니다 C 코드는 눈을 때때로 약간 흐리게합니다 당신은 만약 IoT 허브 있는데, 당신은 당신이 알아야 할, 정장을 착용하는 사람들이있다 푸른 장치

그래서 테이크 아웃은 클라우드를 사용할 수 있다는이있다 그러나 이것은 미친 생각하는 개발자를 위해, 당신이 우리가 실제로했습니다 통지 할 비주얼 스튜디오 비주얼 스튜디오에서 라즈베리 파이 같은 것들의 원격 디버깅을 할 수있는 연결되었다 그것은 높은 수준의 객체의 수십만를 업데이트 할 수 있는지 여부 그래서, 또는 낮은의 여부 레벨과 라즈베리 파이 원격 GDB 디버깅을하고, 우리는 그렇게 할 수 있습니다 이제 내 시스템에 대해 이야기하자 내가 잠시 동안 여기에 슬라이드에 다시 가져 보자

이 압도적이다 이 푸른,이 모든 아이콘이 모든 일을하는 모든 사람들이다 의 나와 내가 짓고 있어요 시스템에 대해 이야기 해 보자 그건 내 셔츠 나입니다 내 밴드를 가지고있다

밴드는 마이크로 소프트 상태로 이동합니다 즉 스토리지에 궁극적으로 간다 내 포도당 시스템은 실제로 API로 상승, 나는 때문에,뿐만 아니라 해당 데이터를 가져 그것은 나에게 개인입니다 나는 몇 년 동안 내 마음의 속도를 가지고있다 나는 몇 년 동안 내 혈당을 가지고있다

나는 그와 함께 무엇을 할 수 있습니까? 나는 당신에게 시각화, 일부 그래프를 보여 드리겠습니다 나는 몇 가지를 연결하는거야 푸른 기계 학습은 정말 흥미로운 질문에 대답 할 수있는 경우 및 Office로하는 참조 나와 내 건강에 대해 그리고이 모든 라이브이며,이 모든 현실이다 그래서 여기에이 기계에 이상 돌아올 수 있습니다 이 Nightscout라는 시스템입니다 이 푸른에서 실행되는 오픈 소스 노드 응용 프로그램이며,이 회담 내 CGM, 내 연속 혈당 측정기

그리고 난 당신이 여기에 몇 가지를 지적하고 싶다 이 첫 번째 발표 오늘이다 그리고 이것은 지금이다 그건 내 혈당을 보여주는 실시간 시스템입니다 그리고 발생하는 것들 중 하나는 내가 오렌지 주스에 의해 마실 것을 단지 아니다 그런데, 나는 기절 경우, 또한 스트레스에 있습니다

스트레스는 시스템에 포도당을 덤프합니다 그리고 이것은 단지 내가 내 피를 관리하고있을 때 내가 처리해야하는 것들 중 하나입니다 설탕 그리고 실제로 나는 사람이 그 꽉 기회를 얻을 수 있는지 확실하지 않습니다 그러나 이것은 단지 일어 났고 그리고 클라우드에 나타납니다 내가 지금 높은거야 저를 경고합니다

그래서 두 번째의 웹 사이트는 또한 발표 할 예정이다, 나는에 알림을받을 수 있습니다 내 밴드와 내 시계에, 사람들은 나 한테 전화를 시작하려고하는 그것은 무서운 것입니다 그래서 거기에서 우리는 간다 통지는 나타났다 그래서 그 통지 사실 쇼까지에서했던 방법에 대해 얘기해 보자 나는 밴드를 가지고있다

그리고 이것은 클라우드에서 일부 데이터입니다 나는 어떻게 볼 수 있습니까? 음, 밴드가 일부 자바 스크립트를 이야기 할 수 밝혀졌습니다 나는 밴드에서 자바 스크립트를 취할 수 있습니다 이 developermicrosoft

bandcom이다 당신은 밴드가있을 수 있습니다 당신은 개발자가되지 않을 수도 있습니다,하지만 당신은 자바 스크립트 또는 블로그를 가리키는 URL을 가질 수있다 또는 일부 XML 당신은 타일을 만들려고합니다 내 혈당 하나를했다

그래서 지금은 내 시스템에 Nightscout있어, 나는 바로 거기 내 혈당을 볼 수 있습니다 이것이 흥미로운 것은 내가이 비주얼 디자이너를 사용할 수 있지만, 나 또한 볼 수 있다는 것입니다 직접 매니페스트에서 이것 좀 봐 즉이 코드입니다 설탕이 높다 그것은 150, 통지에 걸쳐 있다면

그리고 내 밴드에 알림이 표시됩니다 이것은 당신이 무엇이든, 당신의 식물을 물을 것인지, 빌드 서버와 함께 할 수 있습니다 즉 사물의 개인 인터넷이다 그리고 그것은 나를 행복하게 만드는거야 그러나 이제 이것에 대해 생각해 봅시다

내 혈당 클라우드에 있으면, 나는 그것으로 다른 무엇을 할 수 있습니까? 나는 알림을 보낼 수 있습니다 내 아내는 걱정이 될 수 있습니다 그녀는 아마 내가 괜찮아 있는지 확인하는 순간에 호출 할 것입니다 하지만이 과정의 일부입니다 내가 Excel에서이 물건을 분석하고자했다 방법을 기억하십시오

글쎄, 내가 VBA에서 응용 프로그램은 Visual Basic 아주 좋은 아니에요 것으로 나타났다 세계의 비즈니스 로직의 80 % Excel에서 실행되는 것을 기억하십시오 그게 사실 생각합니다 그리고 사실 엑셀 JS API를, Excel 용 자바 스크립트 API가 있습니다 나는 쓰 내가 방법을 알고 웹 기술을 사용하여 자바 스크립트에서 Excel 용에 추가 할 수 있습니다 만들다

그래서 우리가 가서 우리는 HanselSugarsProject했고, 실제로 당신에게 몇 가지를 보여 드리겠습니다 잠깐 여기 코드 우리는 거기에 갈 우리는 웹 기술을 사용하여 자바 스크립트를 사용하여 Excel에서 테이블을 채우는거야 곳 그리고 무엇 이것에 대해 나에게 흥분,이 흥미로운 것은 내가 알고하지 않았다 방법에 전에이 작업을 수행 당신이 볼 수? 나는 웹 개발자입니다

하지만 지금 여기 내 목표 범위에 넣어 갈 수있는, 새로 고침을 공격, 이제 우리가 갈거야 이동 및 백엔드 시스템과 통신 및 동적으로의 Excel에서 차트를 채울 내 그때 의사 나 내 아내에게 보낼 수 혈당 당신은 내가 갑자기 엑셀 위해 가지고 있었다 힘과 열정의 의미에 대해 생각해야 내가 전에 가지고 있지 않았다 나는 웹 개발자입니다 즉,이 창에서 웹 응용 프로그램입니다 그리고 엑셀 온라인에서 작동합니다

그리고 언젠가는 아이 패드에 Excel에서 작동합니다 그것은 PFT 같다 하나 개 레고 조각을 사용하는 방법을 배우게되면, 당신은 다른 것들로 연결할 수 있습니다 내가 이렇게하는 것은 매우 고무적인합니다 내 혈당이 당신에게 흥미없는 경우 다시, 그것은, 어쩌면 약간의 취미 안 본인 또는 직장이나 영감에 어떤 것을의 당신의 마음에 올 것이다 당신이 생각하는 것 당신이 함께 이러한 일을 막을 수있는 방법에 대해

즉,이에 대해 너무 흥미로운거야 그래서 실시간으로 내 모든 혈당을 가지고있다 나는 클라우드로를 수집 할 수 있습니다 나는 그것으로 다른 무엇을 할 수 있습니까? 의 여기에서 다른 컴퓨터로 전환 할 수 있습니다 난 맥으로 전환하겠습니다

이것은 VS 코드를 실행하는 맥이다 그리고이 특정 맥은 건강에서 으악에서 내 데이터를 수집하는 코드를 가지고있다 API 그래서 우리가 가서 편안하고 API 호출을 만들려고하고, 표준 API는 Microsoft에 떨어져 호출 밴드 에이드가 저장되는 곳이 그렇게 중요한 것은이기 때문에 건강이있는 것입니다 그것은 내 데이터를합니다 그것은 내 심장 박동 데이터입니다

내 혈당 내 데이터입니다 내가 그 데이터의 소유권을 갖게되면, 나는 그것으로 무엇을 할 수 있습니까? 그 데이터에 연결하고 다른 물건을 할 수 있습니다 여기에서 이동할 수 있는지 한번 보죠 이것은 전체 화면을왔다 전체 화면이 조금 혼란 스러울 수 있습니다

우리는 거기에 갈 그 데이터를 가지고거야, 난은 Microsoft 건강 API 밖으로 끌어거야 그리고 이것은 저장 탐험가이다 이것은 푸른 저장소 탐색기 때문에 내가 Mac에서 당신에게 이것을 보여주고 싶었 이유는 우리는 출시했다고 즉 크로스 플랫폼입니다

우리는 구름에 앉아있어 나의 혈당 데이터의 CSV 파일을 찾고 있습니다 실례합니다 내 심장 박동 데이터는 실례 나는 다운로드를 칠거야 나는 바탕 화면에 그 던질거야

오른쪽을보세요 지금은 힘이있다 지금은 제어 할 수 있습니다 지금은 그 보류있어 난 그것을 분석을 실행할 수 있습니다 그리고 지금이 경우에는 그냥 바탕 화면에 아래로 가져왔다

내 혈당에 몇 가지 테스트 통지를 할 수 있습니다 나는 여기에 몇 가지 분석을 할 수있어,하지만 어쩌면 내가 더에 그 분석을 수행 할 정교한 방법 당신은 사물의 인터넷에 대해 생각하기 시작하면 엄청난 양에 대해 생각하기 시작 데이터의 나는 그것이 내 마음의 속도를 가지고있다 마찬가지로 그 얼마입니까? 이 시간 동안 5 분 이상, 분 이상의 평균인가? 이 엄청난 양의 데이터입니다

내 혈당 세 또는 400 데이터 세트 매일을하고있다 년의 과정 동안, 이것은 많은 양의 정보까지 추가합니다 패턴이 아닌 것처럼 단순히 Excel로 퍼팅 및 정렬가는 보이는 곳이다 나를 위해 충분히 될 것이다 좀 기계 학습을 할 필요 해요 나는 내가 스트레스있을 때 내 혈당이 올라가 않는 이유에 대해 알고 싶습니다

무엇처럼 추수 감사절 저녁 식사를 보는가? 어쩌면 내가 기계 학습과 그 질문에 대답 할 수 있습니다 그래서 여기에이 시스템을 통해 다시 전환거야 내가 할거야 무엇을 그리고, 여기에 뛰어들거야 이것은 당신이 만약 내가 조립 한 알고리즘의 종류, 실험, 학습 기계 , 푸른 저장 및에서이 오른쪽에 심장 박동에서 데이터를 당겨 것 포도당 데이터와 나는 스트레스 지수로 올거야 나는 다수에게 Hanselman은 스트레스 지수를 발명하고 있습니다

그리고 우리는 그 데이터 업로드 할 것입니다 그리고 우리가 할 겁니다 것은 최대 그것은 깨끗한, 커플을, 정상화의 약간을 분석, 통계를 실행하고 결과가있는 데이터 세트 마련 내 스트레스의 시간을 기반으로 데이터 세트가 될 것 괜찮아 그래서 가지 흥미로운 그래도 꽤 강력, 그것을하지만 시간이 지남에 그것을 볼 필요가있다

그래서 내가 어떻게 시간이 지남에이 표현할 것인가? 그리고 무엇 가치가있다? 음,가,가 오피스 365에서이 API는 마이크로 소프트의 모든 그래프 API를 호출 마이크로 소프트 그래프, graphMicrosoftcom, 이것은 내 정보를 당길 수 있습니다 나는 내 혈당, 내 심장 박동, 그리고 내 캘린더 내 전자 메일의, 강조 계속 난 당신이 graph

Microsoftcom에가 볼 수있는, 통합 API 가서 그 일 그래프 API를 얻으려면 내가 그 요청을 할 수 있습니다 그래서 우리는 내 혈당을 보았고, 나의 스트레스와 시간에 내 마음 속도가 겹쳐있는 경우 오피스 365 달력에, 그것은 우리에게 통찰력을 줄 수 있습니다 그리고 다시 나는이 물건에 대해 아무것도 몰라 이것은 매우 중요한 이유는 개발자로서이 그렇게 흥분되는 것입니다

나는 자바 스크립트를 알고있다 나는 웹을 알고있다 전 C #을 알고있다 지금은 클라우드에 대해 편안하게 느끼고있다 내가 볼 때, 헤이, 이것은 API이며 자바 스크립트를 사용하고 나는 모든 그래프에 액세스 할 수 있습니다 데이터는 마이크로 소프트에서, 그 놀라운

즉 흥분의 놀이터입니다 그래서 나는이 구축 이동 시작 날짜와 종료 날짜를 얻을 수 있습니다 이것은, JSON의 모든 표준 구문 분석 모든 그래프 API를 사용하여 자바 스크립트의 구문 분석 및 의 잠재적 답변 수있는 질문의 종류를 볼 수 있습니다 그래서 여기 내 캘린더입니다; 스트레스 지수는이 데이터를 달력에 적용한다 이제 하나를 클릭하자

이 모든 현실이다 그래서 여기에 포도당이 업데이트되어 있습니다 나는 다른 리허설을 볼 수 있습니다 나는 심장 박동 및 설탕과 스트레스가 변경 볼 수 있습니다 실제로 쿼리를 실행하고 그 기계 학습의 결과를보고 정말 요청할 수 있습니다 가장 스트레스가 무엇 굽기 질문, 우리 모두가 가지고있는 질문 내 인생에서 사람은 이러한 문제를 일으키는 내 혈당을 제기한다 [웃음] [박수]를 젠장

개발자가 될 수있는 정말, 정말 좋은 시간이다 내가 함께 지금과 같은 물건을 넣을 수 있습니다 그것은 매우 개인적인 시간이다 그것은 매우 힘을 실어 시간이다 당신은 우리가 모든 사람을 계속 얘기 방법을 알고 : 어떻게 코딩하는 아이들을 가르쳐; 모두가 배울 필요 어떻게 코드

즉 그것의 일부입니다 그러나 우리는 어떻게 시스템 및 방법에 물건을 연결하는 방법에 대해 생각하는 사람들을 가르 칠 필요가있다 나는 그래프 API를 모른다 열려 웹 기술을 사용하고 있기 때문에 그러나 그것은 감각을했다 나는 오픈 소스 시스템을 많이 알고하지 않습니다

그러나 나는 그 라이브러리를 배우고 있습니다 그리고 나는 그들이 열려있는 기술을 사용하고 있기 때문에 그들을 데려거야NET은 오픈 소스입니다 나는 질문이 있으면, 나는 문서를 볼 수 있지만, 나는 또한 소스를 읽을 수 있습니다

어쩌면 내가 Mac을 실행하려면 어쩌면 내가 아이폰을 원한다 나는 Visual Studio에서 모바일 도구를 사용하여 이러한 시스템을 구축 할 수 있습니다 아마 그때 내가 비주얼 스튜디오의 코드를 사용할 수 있습니다 우분투에서 실행하려면 내가 각도 쓸 수 있습니다 Go를 사용하고 푸른 구름에 그 일을 실행합니다 이제 개발자로 이러한 흥분, 힘을 실어 시간이다

우리가이 물건을 구축했다대로 난 정말 당신이 많은 재미 건물 물건을 가지고 희망 당신 그리고 난 정말 당신이 모두 구축 할 수있는 뵙기를 기대합니다 정말 감사하고 정말 좋은 하루 되세요