[AI-900] Short Note

สรุป Short Note ของ AI-900 ตามที่ผมเข้าใจครับ

AI-900 Intro

• Introduction to Machine Learning
• Responsible AI
• AI-900: Choose the best AI service for your needs - Learn จาก Microsoft Docs แนะนำ Introduction ได้ดี

ML FLOW

• Model
• Data Preparation
  • Feature Selection - เลือก Property ของข้อมูลไปทำ ML
  • Feature Engineering - ตัดแต่งข้อมูล เรียกว่าทำ Normalize ของข้อมูล เช่น แปลงคะแนนสอบเป็น Grade หรือ แปลงวันที่ 1 2 3 .. มาเป็นวัน Mon / Tue / Wed ..
  • Label - บอกว่าส่วนไหนเป็น Output ที่มาจาก AI
  • Split - แบ่งข้อมูลสำหรับทดสอบ Training / Test
• Training
• Scoring / Evaluation
• Algorithms

ML Algorithm

- Regression : ทำนายตัวเลขในอนาคต

• Algorithm
  • Linear regression - ใช้ 1 Feature
  • Multiple linear regression - ใช้ n Feature
• Evaluation:
  • Mean Squared Error (MSE)
  • true positive rate (Accuracy ใข้ไม่ได้ เพราะ ข้อมูลอาจจะ bias)

- Classification : จัดกลุ่มที่เตรียมไว้

• Algorithm
  • Logistic regression - ชื่อมันหลอก
  • Two-Class Decision Forest - ตอบ True/False
• Confusion matrices
  • เครื่องมือประเมินผลลัพธ์ของการทำนาย จากModelที่สร้างขึ้น

• Evaluation
  • F1 score combines precision and recall for classification evaluation
  • accuracy evaluates the ratio of correct predictions.

- Clustering: แบ่งกลุ่ม

• Algorithm
  • Hierarchical clustering
• Evaluation
  • Rand Index

- Anomaly Detection: หาอะไรที่ต่างจากกลุ่ม

Azure Cognitive Service

- Vision

• Computer Vision
  • Image Classification - บอกว่าเป็นอะไร / หา Global Brand หรือ Color Scheme จากรูป
  • Object Detection - บอกว่าเจอของ บอกตำแหน่ง (Location of Object) ในภาพ
  • Sematic Segmentation - Pixel Search ? (ดูส่วนหนึ่งของภาพ แล้วทายว่าเป็นอะไร)
  • OCR -อ่านจากรูปออกมาเป็น Text (อ่านเลขหวย) มี The Read API ช่วยอ่านตัวอักษรจากภาพ หรือ PDF
  • Form Recognizer - แปลงใบเสร็จ หรืออะไรที่มี Pattern ให้อยู่ในรูป Text เพื่อเอาไปประมวลผลต่อ
• Custom Vision - เป็น Computer Vision แต่เราเอา Data มาเทรนเอง เพื่อให้ได้ Model เฉพาะเจาะจงตาม Business
  • Classification Model - MultiLabel (1 รูปมีได้หลาย Tag) / Multitag (จัดรูปตาม Class)
  • Object Detection Model
• Face API
  • Detect Operation - เพื่อหาใบหน้า + ส่วนของใบหน้าจากภาพ
  • Similarity - หาว่าใบหน้าคล่ายใคร ( look like)
  • Verification - ตรวจว่า 2 ใบหน้าเหมือนกัน ( belong to)
  • Grouping - หาใบหน้าที่ใกล้กันแล่วจับกลุ่ม ( belong togeter)
  • Identification - หาใบหน้าว่าเป็นใคร (Who in group)

- Speech

• Speech to Text (Speech recognition) - แปลงจากเสียงพูดเป็นตัวอักษร มี Application ที่นำไปใช้ เช่น
  • closed captions for recorded or live videos
  • Creating a transcript of a phone call or meeting
  • Automated note dictation
  • Determining intended user input for further processing
• Text to Speech (Speech Synthesis) - อ่านตัวอักษรเป็นเสียง
• Speech Translation
• Speaker recognition - Determine who is speaking / Accurately verify and identify speakers by their unique voice characteristics.

- Language (ใช้แนวคิด NLP)

• NLP = Natural Language Processing
• Language Identify ตรวจภาษา - ถ้าตรวจไม่ได้ (ambiguous) ระบบแจ้ง NaN
• Language Understanding Intelligent Service (LUIS)
  • เอาไปทำพวก chatbot
  • อนาคตเหมือนจะเปลี่ยนเป็น Conversational language understanding (Preview)ฃ
  • Intents - based on actions a user would want to perform with your application
  • Entities - item to which an utterance refers (กรรม). เช่น fan and light

"Switch the fan on."
"Turn on the light."

• Text Analytics
  • Named Entity Recognition (NER) - แยกประโยค และระบุประเภทของคำที่พบ เช่น
    • สถานที่ "Paris", "New York"
    • บุคคลสำคัญ "Bill Gates", "John"
  • Key-Phase extraction - หาจุดสำคัญข้อความ
  • Sentiment Analysis - ตีความเห็นของลูกค้าว่า Positive หรือ Negative โดยมี Score 0-1 (1 = Positive)
• Question Answering - QnA Maker เอา KM ที่มีมาให้ Azure ทำ Q&A ได้
• Text translation

- Decision

• Anomaly Detector
• Content Moderator
• Personalizer

- Make Ready Product

• Azure QnA Maker
  • Active Learning - ช่วยปรับให้ผลการค้นหา KM ดีขึ้น
• Azure Chat Bot คู่กับ QnA Maker โดย
  • key ที่สำคัญของ chatbot
    • channels : ช่องทางการสื่อสาร web chat, email, Microsoft Teams.
    • Dialog : a flow of activities.
    • Activities : message are exchanged across channels โดยทำเป็น turns ทำให้เกิด user interaction กับ chatbot โดยที่ใน turn มี turn context
    • turn context : object provides information about the activity such as the sender and receiver
    • Cards : visual elements used to contain messages.
• Form Recognizer มีแบบ pre-build model / custom model

Precision vs Recall

• Precision Model Identify VS Actual เช่น Model ตีความแมวส้ม 100 รูป แต่จริงๆ เป็นแมวส้ม 80
• Recall Actual VS Model เช่น มีกล้วย 100 รูป แต่ Model ตีความเป็นกล้วย 80 รูป

Azure ML

• Azure Machine Learning designer - ลากวาง Flow
  • Publish Inference Pipeline
    • เอา ML ไปทำ Web Service ได้ค่า 2 อย่างไปผูกกับ App คือ REST Endpoint / Authentication Key (Primary Key)
    • ML ที่ได้อยู่ บน Azure Kubernetes Service (AKS)
• Azure Machine Learning notebook - เหมือนกับ Jupiter ใน Python
• Automated ML
  • Support Algorithm : Classification / Regression / Time-series Forecasting

Azure Product Integration

• เจ๋งดีเลยเอามาแปะไว้

ถ้าใครอยากลอง Lab สามารถมาดูที่นี้ได้ AI-900-AIFundamentals (microsoftlearning.github.io)

Update Resource

• พอดีได้มีเข้าฟังโครงการของ AI on Cloud ซึ่งเป็นโครงการ AIT + SCB + DEPA ผมมีสรุป Resource ไว้ตาม
• Git : pingkunga/AIT_AIonCloud: เก็บ Resource ของ AI on Cloud (github.com)

Knowledge Check

• Get started with AI on Azure
• Microsoft Azure AI Fundamentals: Explore visual tools for machine learning
  • Use automated machine learning in Azure Machine Learning
  • Create a Regression Model with Azure Machine Learning designer
  • Create a classification model with Azure Machine Learning designer
  • Create a Clustering Model with Azure Machine Learning designer
• Microsoft Azure AI Fundamentals: Explore computer vision
  • Analyze images with the Computer Vision service
  • Classify images with the Custom Vision service
  • Detect objects in images with the Custom Vision service
  • Detect and analyze faces with the Face service
  • Read text with the Computer Vision service
  • Analyze receipts with the Form Recognizer service
• Microsoft Azure AI Fundamentals: Explore natural language processing
  • Analyze text with the Language service
  • Recognize and synthesize speech
  • Translate text and speech
  • Create a language model with Conversational Language Understanding
  • Build a bot with the Language Service and Azure Bot Service
• Microsoft Azure AI Fundamentals: Explore decision support
  • Introduction to Anomaly Detector
• Microsoft Azure AI Fundamentals: Explore knowledge mining
  • Introduction to Azure Cognitive Search

Reference

• Cognitive Services—APIs for AI Solutions | Microsoft Azure
• ML Studio (classic): Initialize Classification Models - Azure | Microsoft Docs
• Exam AI-900: Microsoft Azure AI Fundamentals - Learn | Microsoft Docs
• AI-900: Microsoft Azure AI Fundamentals Sample Questions | Microsoft Docs แนวข้อสอบจาก MS