分类:  Azure机器人    ◆ 标签:  #Azure   #人工智能   #机器人   ◆ 发布于: 2023-06-12 18:26:24

我们之前学习了使用Power Virtual Agents和QnA Maker来创建相关的机器人，那么本章我们来考察一下使用Bot Framework Composer和Azure Bot Service来解决我们之前的需求。 我们之前的需求是： 目标： 我们需要创建一个测试机器人，这个机器人的目的是对客户进行支持，并为客户提供有关新服务的建议。如果测试机器人成功，团队将进行进一步开发，以实现更复杂的功能。 针对这个目的，我们有如下的需求： 测试机器人的初始开发需要低代码的环境。 测试机器人应包含用于语言理解的现有的LUIS应用。使用它来识别金融行业术语和短语。 机器人会托管到公司网站上。 测试机器人后，需要将其集成到多个C#库中以扩展其功能。 测试后，需要将

分类:  Azure机器人    ◆ 标签:  #Azure   #人工智能   #机器人   ◆ 发布于: 2023-06-12 18:24:28

使用QnA Maker进行机器人开发

分类:  Azure机器人    ◆ 标签:  #Azure   #人工智能   #机器人   ◆ 发布于: 2023-06-12 18:22:33

为了更进一步的说明我们之前文章提到的如何选择合适的机器人开发工具，我们本章设计一个真实的场景，然后我们使用之前讲述过的基本方法来判断我们选择的机器人开发工具是否合适。 我们的场景如下： 目标： 我们需要创建一个测试机器人，这个机器人的目的是对客户进行支持，并为客户提供有关新服务的建议。如果测试机器人成功，团队将进行进一步开发，以实现更复杂的功能。 针对这个目的，我们有如下的需求： 测试机器人的初始开发需要低代码的环境。 测试机器人应包含用于语言理解的现有的LUIS应用。使用它来识别金融行业术语和短语。 机器人会托管到公司网站上。 测试机器人后，需要将其集成到多个C#库中以扩展其功能。 测试后，需要将机器人与预先存在的启用rest的FAQ应用程序集成。 针对这

分类:  Azure机器人    ◆ 标签:  #Azure   #人工智能   #机器人   ◆ 发布于: 2023-06-12 18:20:40

关于如何选择合适的机器人开发工具，用户必须结合自己的自身条件以及实际的业务需求来考虑选择哪种工具来开发自己的机器人工具。 根据需求比较机器人构建工具 您可以对比三种工具的构建选项以及要求和优缺点，以确定哪种选项最适合您的业务和您的团队。 首先要根据自己的业务需求分析每种工具如何能够满足您的业务需求，同时您也需要检查各个产品之间的细微的差异，在考察的时候可以尝试回答如下的问题，以帮助您确定应该选择哪种产品：

分类:  Azure机器人    ◆ 标签:  #Azure   #人工智能   #机器人   ◆ 发布于: 2023-06-12 18:18:46

提到机器人，大家脑子一定会出现类似像《变形金刚》以及《机械公敌》等等影视作品中的机器人，大家对于机器人都充满了向往，希望能够有这样一种生命形式在未来的某个时间里实现，但是实际上现在通用的，能用于生产的科技就没有大家想象的那么高级，可能机器人并没有那么形象化，但是他们也确实在很多的业务场景中得到了应用，例如电话销售自动语音机器人，虽然很傻，又或者智能客服，又或者小冰等等产品，严格意义上对于微软提供的机器人工具，我们并没有想象的那么高大上，它的定义是能够在一些交互界面上，能够将一些简单重复的任务分配到不同的自动交互系统中的一种系统，我们都可以叫它机器人。例如它会有一个对话界面，用户通过某些渠道链接到上面，机器人接受用户的输入，基于内部的智能逻辑执行相应的任务，例如和用户聊天，订票，订货，安排会议

分类:  Azure机器学习    ◆ 标签:  #Azure   #人工智能   #机器学习   #设计器   ◆ 发布于: 2023-06-12 17:57:56

开始部署之前我们需要了解的是Azure Machine Learning上可以部署的两个选择： 部署到Azure Kubernet Service(AKS) 部署到Azure Container Instance(ACI) 这两个服务都是使用web的形式进行接口的暴露。 实时推理pipeline 我们需要先将之前用于训练的pipeline转为实时推理pipeline, 登录到studio中之后，选择左侧菜单设计器, 找到上一章创建的pipeline, 进入之后，因为完成了训练，可以看到右上角有一个菜单,如下图:

分类:  Azure机器学习    ◆ 标签:  #Azure   #人工智能   #机器学习   #设计器   #JupyterBook   ◆ 发布于: 2023-06-12 17:25:33

我们在前一天学习了使用Azure Machine Learning Studio的Auto ML任务创建Azure Auto ML模型训练，在这个过程中，我们无需任何代码经验，只需要简单的界面点击就可以训练出需要的模型，虽然Azure AutoML非常容易使用，但是我们也需要注意到Azure Auto ML的限制，也就是Azure Auto ML仅仅使用三种模型的训练：分类模型, 回归模型, 基于时序预测模型, 如果你的应用场景超出了这三种模型仅仅依靠Auto ML是无法满足实际的需求的, 除了直接使用Azure Auto ML任务你还可以使用Azure Machine Learning Studio推出的设计器来创建自己的AML pipeline来完成机器学习的其他模型的训练，同样使用这个

分类:  Azure机器学习    ◆ 标签:  #Azure   #人工智能   #机器学习   #AutoML   #Azure Machine Learning Studio   #设计器   ◆ 发布于: 2023-06-11 22:15:20

真正的大杀器来了！ - Azure Machine Learning Studio!! 我们前面学习过了通过Python AutoML SDK配合Jupyter的来训练回归模型，如果大家没有什么印象，可以通过文章结尾的文章列表重温一下： 在这些实例中我们使用了Python代码进行数据预处理，然后使用SDK进行AutoML的模型训练，我们写了很多代码，今天我们来给大家演示如果通过Azure提供的工具无需写任何一行代码仅仅只需要几个小小的配置就能完整一个分类AutoML模型的训练。 那么我们就开始吧。

分类:  Azure机器学习    ◆ 标签:  #Azure   #人工智能   #机器学习   #AutoML   ◆ 发布于: 2023-06-11 21:56:49

我们前一天简要的介绍了什么是AutoML，同时也是用jupyter体验了一下AutoML, 本章我们学习什么是Azure Machine Learning Pipeline。 Azure有提供很多种pipeline, 一共有Azure pipeline, Azure Machine Learning Pipeline以及Azure Data Factory Pipeline, 这三种pipeline各有自己的标准目标，例如Azure Machine Learning是目标是从数据到模型，Azure Data factory pipeline目标是数据到数据等等。那么Azure Machine Learning pipeline是指专门针对于Azure机器学习的一个工作流，工作流包括很多

分类:  Azure机器学习    ◆ 标签:  #Azure   #人工智能   #机器学习   #JupyterBook   #Python   ◆ 发布于: 2023-06-11 21:54:41

使用jupyter进行机器学习的入门今天这篇已经是第四天了，我们今天来学习一个新的技能点: AutoML, 即： automated Machine Learning, 自动化机器学习，首先需要大致的了解一下什么是AutoML, 当然如果要详细的讲述这个概念还值得我们重新开一个系列来讨论和学习它，在这里我们就简单的了解一下就好了。 我们前面的一些列的教程在机器学习的整个过程基本就是这样几个步骤: 处理数据：包括收集数据，对数据进行必要的转换，以及对数据进行清理。 选择算法：选择合适的算法，然后编写训练脚本，进行训练。 创建环境，然后向Azure提交任务。 最后对训练出来的模型进行测试和评估，选择最优的模型出来。 以上就是我们在机器学习是的基本步骤，但是AutoML呢？Au