Microsoft AI/ML/KM解决方案加速器

作者：法托斯·伊斯马利(Fatos Ismali)

多种型号解决方案加速器Microsoft/解决方案加速器-多种型号(github.com)microsoft/solution-accelerator-many-models (github.com)

多个模型SA是使用Azure ML的ParallelRunStep特性并行训练多个模型的一个很好的起点。上面Github链接上提供的加速器将引导您完成使用Azure Automated ML的预测场景。您还可以合并您自己的模型(例如KERAS、PyTorch、Croston、AutoARIMA等)。您将主要利用Azure机器学习来并行训练和推理。

知识挖掘解决方案加速器Microsoft/Accelerator-AzureML_CognitiveSearch(github.com)microsoft/Accelerator-AzureML_CognitiveSearch (github.com)

知识挖掘SA将引导您完成创建知识挖掘解决方案的过程，通过使用AI自定义技能识别数据语料库中的自定义实体来丰富您的数据。您将利用Azure Cognitive search和Azure Machine Learning中的许多功能从文档中提取实体。Azure Cognitive Search Azure Machine Learning

客户服务对话式洞察https://github.com/microsoft/Customer-Service-Conversational-Insightshttps://github.com/microsoft/Customer-Service-Conversational-Insights

客户服务对话式洞察解决方案加速器通过关注您必须处理聊天日志、电子邮件或通话记录数据的场景，对以前的知识挖掘解决方案加速器进行了扩展。对于呼叫转录数据，它使用从下面的语音到文本解决方案加速器生成的呼叫转录模式。

语音到文本解决方案加速器认知服务-Speech-sdk/guide.md，地址为master·Azure-Samples/Recognition-Services-Speech-SDK(github.com)cognitive-services-speech-sdk/guide.md at master · Azure-Samples/cognitive-services-speech-sdk (github.com)

语音到文本解决方案加速器部署后，会侦听上载到Azure订阅中指定存储帐户的新.mp3或.wav文件，并立即将其排队等待转录。在部署解决方案加速器期间，您可以选择指定是否要提取实体、情感、屏蔽PII数据，并将结果信息存储在SQL数据库中，SA为该数据库提供两个带有预配置指标(Speech Insight和情感洞察力)的PowerBI预构建仪表板。

Azure Microsoft/MLOps上的MLOps：MLOps示例(github.com)microsoft/MLOps: MLOps examples (github.com)

如果你开始在Azure上使用MLOps，那么上面的git repo是开始你的MLOPS之旅的一个很好的起点。它包含如何在管理端到端MLOps生命周期中使用Azure DevOps和Azure ML来编排培训/推理的分步示例。

视频异常检测解决方案加速器Microsoft/MLOPS_VideoAnomalyDetection：使用Azure ML(github.com)操作视频异常检测模型microsoft/MLOps_VideoAnomalyDetection: Operationalize a video anomaly detection model with Azure ML (github.com)

这是一个使用Azure ML实现视频异常检测模型的示例。

地震成像和解释的深度学习微软/地震深度学习：地震成像和解释的深度学习(github.com)microsoft/seismic-deeplearning: Deep Learning for Seismic Imaging and Interpretation (github.com)

适用于希望在Azure上使用最先进的基于DSL的PDE解算器和分段算法进行地震实验的地球物理学家和数据科学家。上面的git repo提供了示例笔记本、地震数据的数据加载器、实用程序和开箱即用的ML管道。

推荐人微软/推荐人：推荐系统的最佳实践(github.com)microsoft/recommenders: Best Practices on Recommendation Systems (github.com)

关于构建推荐系统的最佳实践的Jupyter笔记本示例。涉及的算法有：ALS、SVD、BRP、BiVAE、FastAI等。

以下是为零售业场景构建端到端推荐系统的两个示例。两者都利用Azure Synapse Analytics和Azure ML。

microsoft/Azure-Synapse-Content-Recommendations-Solution-Accelerator：这是一个解决方案加速器，用于根据用户活动创建个性化内容推荐。(github.com)microsoft/Azure-Synapse-Content-Recommendations-Solution-Accelerator: This is a solution accelerator for creating personalized content recommendations based on user activity. (github.com)

microsoft/Azure-Synapse-Retail-Recommender-Solution-Accelerator：此解决方案加速器是一个端到端的示例，介绍如何利用Azure Synapse Analytics、Azure机器学习服务和其他Azure大数据服务(github.com)为零售场景提供个性化的客户体验microsoft/Azure-Synapse-Retail-Recommender-Solution-Accelerator: This Solution Accelerator is an end-to-end example on how to enable personalized customer experiences for retail scenarios by leveraging Azure Synapse Analytics, Azure Machine Learning Services, and other Azure Big Data services (github.com)

商品价格预测解决方案加速器microsoft/Azure-Synapse-Solution-Accelerator-Commodity-Price-Prediction(github.com)microsoft/Azure-Synapse-Solution-Accelerator-Commodity-Price-Prediction (github.com)

使用Azure异常检测器和Azure ML预测商品价格并检测时间序列数据中的异常。

客户收入增长因素解决方案加速器microsoft/Azure-Synapse-Solution-Accelerator-Financial-Analytics-Customer-Revenue-Growth-Factor：此加速器旨在为开发人员提供构建解决方案所需的所有资源，以识别使用Azure Synapse Analytics和Azure机器学习的电子商务平台收入增长的主要因素。(github.com)microsoft/Azure-Synapse-Solution-Accelerator-Financial-Analytics-Customer-Revenue-Growth-Factor: This accelerator was built to provide developers with all of the resources needed to build a solution to identify the top factors for revenue growth from an e-commerce platform using Azure Synapse Analytics and Azure Machine Learning. (github.com)

使用Azure Synapse Analytics和Azure ML确定电子商务平台收入增长的主要因素。

NLP最佳实践和解决方案Microsoft/NLP-食谱：自然语言处理最佳实践和示例(github.com)microsoft/nlp-recipes: Natural Language Processing Best Practices & Examples (github.com)

Jupyter笔记本形式的一套全面的工具和示例，涵盖文本分类、文本摘要、问题回答、蕴涵、嵌入等领域的高级NLP技术。

Verseagility Microsoft/VerseAgility：VERSEAGILITY-NLP工具包(github.com)microsoft/verseagility: VERSEAGILITY — NLP Toolkit (github.com)

使用基于可伸缩微服务的体系结构和开源NLP算法实现端到端的NLP解决方案的示例，支持诸如二进制、多类和多标签分类、NER、问题回答和文本摘要等用例。包含可在此处获得的现场演示：https://aka.ms/nlp-demohttps://aka.ms/nlp-demo

计算机视觉处方Microsoft/Computer Vision-配方：计算机视觉的最佳实践、代码示例和文档。(github.com)microsoft/computervision-recipes: Best Practices, code samples, and documentation for Computer Vision. (github.com)

一组将计算机视觉技术用于场景的示例和最佳实践，例如：分类、对象检测、相似性、分割、跟踪、人群计数等。都可以在Jupyter笔记本上买到。