"Usługi AI w chmurze - sztuczna inteligencja jeszcze bardziej dostępna" to prezentacja wygłoszona przez Michała Ćwiok (Clouds on Mars) podczas meetupu infoShare AI Roadshow dnia 14.11.2018 w Krakowie.

1. Usługi AI w chmurze
Michał Ćwiok

5. Cwiok.pl

7. Trudność wykorzystania przez firmowego analityka
TrudneŁatwe

12. • Szybka budowa modeli
• Łatwość wczytywania danych (np.
Azure)
• Za free (do 10 GB)
• Dobre wsparcie API
• Jeśli korzystasz ze zbudowanych
modeli (przez Microsoft) to
szybko się liczy – w porównaniu
do R/Python
• Stare wersje R - 3.1.0 (CRAN) i
bibliotek Pythona np. Pandas
• Trudność debugowania – nigdy nie
wiadomo gdzie jest błąd
• Max 2 wejścia do modułu - nie można
np. mieć 4 wejściowych zbiorów
danych
• Moduły czasami zmieniają typy
danych
• Nie wszystkie biblioteki działają
• Brak równoległych obliczeń
• Brak możliwości edycji zmiennych
środowiskowych np. timezone
Fajne Niefajne

13. 30*60 min *12 h = 21 600
$21,6 * 30 = $648
$640 * 1000 (?) = $640k

17. Face API

18. • Gotowe modele do szerokiego zastosowania
• Bardzo szybkie tworzenie rozwiązań
• Łatwość łączenia modelu z innymi usługami
• Brak wymagania eksperckiej wiedzy
• Brak kontroli nad algorytmem
• Gorsze rezultaty w porównaniu do modeli
szytych na miarę
• Brak najnowszych funkcjonalności/bibliotek
• Brak możliwości poprawy modelu poprzez
edycję parametrów
• Wysoka cena
WadyZalety

19. aka.ms/academyAI
azure.microsoft.com/free/AI
microsoft.com/learn aischool.microsoft.com
Dokumentation
docs.microsoft.com
microsoft.com/learning/azure-exams.aspx