MPP 微軟的主題認證學習網站介紹

MPP 微軟的主題認證學習網站介紹

  March 01, 2019    Blake W.

---

這是我的個人儀表板 on MPP 網站，目前取得了三個認證，MPP 網站是一個很好的學習管道，從開始接觸 AI 之後，上過了台灣人工智慧學校的第一屆經理人班，經過密集的課程以及各個老師疲勞式的資訊轟炸，深深了解自己的不足，知道自已必須要好好的進階學習才能夠好好的來了解「人工智慧」這個大主題，所以我選擇了 MPP 線上學習網站來學習各種 AI 所需要的相關細部課程內容，讓自己能夠更加了解 AI 所涵蓋的各項基礎與資訊。

Microsoft Professional Program (MPP) 主題認證網站：
https://academy.microsoft.com/

不要再遲疑了，想要更進階的學習相關的主題內容嗎？就從登入註冊開始吧！
但是，請不要抱持著打混摸魚的心態想要拿到這些認證，每一個認證課程提供相關主題的各項課程，每一門課程都需要上 on-line 課程，除了學習影片，線上內容資訊，每一門課程都有各模組的小考 Quiz，Hand-on LAB 需要實作，以及最後的測驗題目，必須要通過 70% 以上的成績才能夠拿到課程的認證；在取得了主題認證所需要的各門課程的認證之後，最後你才能拿到這個主題的認證。

MPP 認證網站提供了很多相關的主題可以線上學習：（目前持續增加中，這裡列出目前網站上有的主題認證課程）

• Data Science
• Big Data
• Artificial Intelligence (AI)
• Internet of Things (IoT)
• Cybersecurity
• Data Analysis
• Entry Level Software
• IT Support
• DevOps

這是微軟的主題認證網站，所以課程裡面介紹的內容和說明都是以 Microsoft 的相關技術和工具來做說明，但是，因為很多理論基礎是不變的，所以在資料科學、大數據、和人工智慧的主題上還是很有幫助，所以，我首先選了最基礎的主題：「資料科學」，這裡面介紹了資料分析和機器學習所需要的各種基礎理論和課程說明內容，課程整理的非常完整，可以讓你一站式的得到所需要的各種知識內容。

一開始非常的辛苦，因為學校之前教的數學、微積分、線性代數、機率、統計等，全部忘光了，還必須要自己尋找很多相關的資訊來輔助學習，可以說學習進度非常地緩慢。

接下來選擇了「大數據」主題課程來學習，這一門課程介紹了目前有關大數據所需要的各項內容，主要使用微軟 Azure 提供的雲端服務來介紹大數據這個架構，雖然都是微軟的工具，但是基礎的大數據理論和架構都是目前普遍使用的 Hadoop 為基礎，也是非常有用的一門課程，讓你能夠完整的了解大數據架構，以及大數據處理所需要的各種邏輯和流程。

最後，終於進入「人工智慧」這個課程，還好之前選擇先研讀了資料科學和大數據這兩個主題，讓我在 AI 這一門課可以不用再煩惱基礎的數理邏輯、理論、和演算法，可以在 AI 的應用與框架上更為深入的了解，但是，必須要說的是，這課程並不是 AI 的全部，人工智慧還有很多新的技術與應用，而且還有很多未開發的技術領域，需要我們持續的研究和精進。

這三個課程花了很多很多的時間上課，做習題，實作演練，考試，以及最後專題的製作等，學習的內容涵蓋很廣，讓我學習到很多很多，雖然已經拿到了這些認證，但是這些課程還是會在日後有需要時再重新研讀。

以上，是我的讀書學習心得分享，提供給大家參考，希望對有興趣的人能夠有所幫助。
謝謝！

#MPP
#DataScience
#BigData
#AI

Read More

[認證心得] MPP Certification for Artificial Intelligence (AI)

[認證心得] MPP Certification for Artificial Intelligence (AI)

  March 01, 2019    Blake W.

---

Microsoft Professional Program (MPP) 線上學習網站是一個非常好的學習網站，Miscrosoft 提供很多主題性的學習內容，除了結合技術教學內容以外，結合線上測驗 Quiz，上手實作 LAB，以及課程驗證測驗 Exam，最後以上課實做的學習內容，自我完成一個 Project，MPP 是一個完整的訓練課程，提供我們學習一門學科非常好的一個管道。

https://academy.microsoft.com/en-us/professional-program/

接下來要介紹 MPP for AI 這一門課程：

接續之前取得的兩門課程：MPP for Data Science & MPP for Big Data，有關資料科學和大數據相關的課程，接著取得有關人工智慧 MPP for AI 這一門課程的認證，這一門課程一樣包含 10 門課程，介紹了人工智慧相關的各項主題，包括了有：AI 相關的基礎數學，AI 倫理道德 (Ethics and Law)，從機器學習 (Machine Learning) 介紹一直到深度學習 (Deep Learning) 的各種模型說明，最近非常夯的強化學習 (Reinforcement Learning)，還有各種神經網路架構的說明 (CNN, RNN, NLP, etc.)，以及電腦視覺、語音處理、自然語言處理等各種人工智慧的理論。

說實在的，這一門認證 MPP for AI 還真不容易學習，除了你應該要先有各種人工智慧應用的認識與瞭解之外，數學基礎與統計分析入門更是需要學習清楚，不然這些課程上不會再額外說明這些數學統計，其他很多演算法和有名的理論邏輯，都需要自己額外搜尋相關的參考文件來學習，總而言之，我覺得 MPP for AI 不是一門普通人可以學習的認證課程，需要自己先學習相關的基礎數理、理論、和演算法之後，才能夠順利完成並瞭解這些課程內容。

花了非常多的時間完成這些課程，但是還有很多理論邏輯沒辦法搞清楚，還是需要持續繼續研讀相關的資料來讓自己更進一步了解人工智慧這許許多多的理論和應用。

最後，秀一下認證的結果，花了這許多時間，終於順利拿到這一張認證，但是認證歸認證，這並不代表我會了什麼，也不代表我了解 AI 這一個主題，更不是代表「你會了」，這只是一個里程碑，在人工智慧的這一條路上，還有很多需要學習和精進的內容，就讓我們一起加油努力學習吧！

#人工智慧學習里程碑
#MPPforAI
#AI

Read More

[讀書心得] AI 醫療大未來（智慧醫療關鍵報告）

[讀書心得] AI 醫療大未來（智慧醫療關鍵報告）

  November 10, 2018    Blake W.

---

ＡＩ醫療大未來 -- 台灣第一本智慧醫療關鍵報告  (李友專 著)

路過重慶南路又來逛書店，隨手看到一本還不錯的書「AI 醫療大未來」，手癢忍不住還是買了，雖然 Queue 裡面已經排了很多書還沒看完，但最後還是無法戰勝手癢。

星期六一早馬上翻起這本書，內容非常強而有力的吸引人，翻著翻著，一個早上就馬上看完，一整個覺得好像聽了一場非常棒的演講，針對目前 AI 醫療的深入淺出介紹，雖然我並非醫療科系的人，但是仍然看的如癡如醉，非常的吸引人。

作者提到，ＡＩ智慧醫療是跨領域的結合，除了需要醫療專業知識領域的專家投入，還需要資訊科技的專業技術，配合醫務管理，健康領域的參與，才能達成ＡＩ智慧醫療的大未來。未來最後的贏家，將會是最懂得善用 AI 的人才及組織，無論是精準醫療，預防醫療，大健康產業需要的人工智慧應用不再是想一想而已，而是不能再等，非做不可的。

以下整理了個人看完這本書之後，整理的精華摘要，提供參考！
＊ AI 已成為醫療必要的基礎建設，提供偵測、預測、預防等應用。
＊ 與其不切實際的使用 AI，不如掌握確切的目標，設定特定的應用領域。
＊ 能夠運用人工智慧發揮最高效益的產業，通常具有兩項要件：1. 產品需客製化、多樣且少量；2. 擁有大數據 (Big Data)。
＊ 智慧輔助醫療遇到的難題：1. 心態問題；2. 責任問題。
＊ 「大數據」：針對同一主體，進行多維度、多次、長期的觀察與分析。
＊ 很多數據都早已存在，只是缺乏整合和利用。
＊ 精準醫療：個人化的疾病風險評估預測（基因、生理、環境、行為），將風險量化、時序化，持續監測
＊ AI 輔助醫療，降低醫療錯誤風險的四個面向：預防、診斷、治療、追蹤
＊ 跨領域合作，產生新的合作模式或商業模式。（永遠沒有最好的做法，總是會有更好的做法）

＊ 創新智慧健康產業，學習型健康照護的主要概念：
    1. 從健康資料擷取健康知識（Data to Knowledge）D2K
    2. 由知識發現到實務運用（Knowledge to Practice）K2P
    3. 醫療實務落實於病人的策略（Practice to Consumer）P2C
    4. 持續搜集病人健康數據（Consumer to Data）C2D

最後跟各位分享一個不錯的觀念，上週到醫院去跟 User 做簡報時，一位資訊室的主任跟我分享一個智慧醫療的概念：

『不管人工智慧多厲害，智慧醫療多麽聰明，你必須先清楚知道客戶是誰，你的系統，你的解決方案服務的是誰，然後找出客戶關心的核心需求，才會是有用的解決方案。』

主任還分享了一個健康管理的觀念，我覺得非常好，也在這分享給大家：

「健康管理的觀念不應該是長壽，而是應該以樂活的概念為主。」

本書目錄參考：

Read More

[認證心得] MPP Certification for Big Data

[認證心得] MPP Certification for Big Data

  November 10, 2018    Blake W.

---

MPP for Big Data (Web Page)

MPP 認證並不是一般的一次性考試認證，而是大約有 10 門線上課程組合而成的 package certification，通常會循序漸進一步一步安排課程，每一門課程會有自己的 LAB 及 course final exam，每一門線上課程必須達到 70% 以上的成績才可以拿到這一門課程的認證，最後會有一個 Final Project，需要由你自己使用前面課程的知識內容來完成最後專案的需求，總結 10 門課的認證才能換一張 MPP certification，因為如此，所以要取得這樣的一張認證，你必須要花很多時間，循序漸進，慢慢的上完每一門課程及最後的專案，從實際上手練習到真正運用學習內容的專案建置，可以稱得上較為實務的一張認證，和一般的一次性考試認證較為不同。

有興趣的人可以參考以下網址：
https://academy.microsoft.com/en-us/professional-program/tracks/big-data/

MPP Certification for Big Data 由 10 門課組成，列出如下，而且是依照學習的步驟，循序漸進地教你如何建立一個大數據的架構。

Class List of MPP for Big Data

循序漸進的 10 門課程，有些課程有多個 Option 可以選擇：
* Get Started with Big Data（大數據概念介紹）
  - Introduction to Big Data

* Analyze and Visualize Data（分析和視覺化工具）
  - Analyzing and Visualizing Data with Power BI
  - Analyzing and Visualizing Data with Excel

* Work with NoSQL Data（NoSQL 資料解決方案介紹）
  - Introduction to NoSQL Data Solutions

* Query Relational Data（結構化資料查詢方法介紹）
  - Querying Data with Transact-SQL

* Create a Data Warehouse（資料倉儲）
  - Delivering a Data Warehouse in the Cloud

* Process Big Data at Rest（大數據資料批次處理）
  - Processing Big Data with Azure Data Lake Analytics
  - Processing Big Data with Azure HDInsight

* Process Big Data in Motion（大數據即時資料處理）
  - Processing Real-Time Data Streams in Azure
  - Processing Real-Time Data with Azure HDInsight

* Orchestrate Big Data Solution（治理大數據的方法）
  - Orchestrating Big Data with Azure Data Factory

* Build Big Data Analysis Solutions（大數據分析解決方案）
  - Developing Big Data Solutions with Azure Machine Learning
  - Analyzing Big Data with Microsoft R
  - Implementing Predictive Analytics with Spark in Azure HDInsight

* Final Project（最後專案）

因為這是微軟的 MPP 認證，所以課程介紹的內容和工具都偏向使用 Azure 及 Microsoft 解決方案為主，如果有心學習 Azure 雲端的大數據解決方案的人，非常適合學習這一系列課程。

利用晚上或是假日修習這些線上課程還蠻花時間的，對於想要投入這一系列認證課程的人，建議你需要先安排好足夠的時間，因為需要上課及 LAB 練習需要相當充足的時間才能夠好好的上完這些課程，通過考試及最後專案。（我也是花了好幾個月的時間才完成這些課程）

這一門 Big Data 課程比較偏向工具和系統架構，比較沒有太多的微積分數學和機率統計的理論和公式，適合系統工程師或是大數據架構師來研讀練習。（上次介紹的 MPP for Data Science 就非常的偏向資料分析工程師，有很多的微積分數學和機率統計的理論和公式。）

我的 10 門線上課程的上課成績：（有些課的 LAB 和 Exam 不容易，不只需要花時間，還需要傷很多腦筋來完成，也算是一步一腳印的慢慢完成漫長的 10 門課。）

我的課程認證成績

10 張線上課程的認證：（上完一門線上課程都會有一張 eDx 的通過認證，但是必須要集滿這 10 張才可以換最後有用的那一張 MPP 認證。）

最後 10 張線上課程的認證，可以換取一張微軟 MPP for Big Data 認證：

ＰＳ：雖然都是微軟的 Azure 和 Microsoft 軟體，但是大數據的基礎觀念和架構都是一樣的，也都可以用在其他公有雲和其他大數據軟體之上。

Read More

MPP 三張認證介紹 (Data Science, Big Data, AI)

MPP 三張認證介紹 (Data Science, Big Data, AI)

  August 07, 2018    Blake W.

---

MPP (Microsoft Professional Program) 是微軟提供的線上訓練認證課程，個人覺得這個線上認證課程是目前微軟的認證比較有用的認證之一，每一個認證主題都會有大約 10 門線上課程加上最後的實作專案，每一門課都需要做實作 LAB，各章節小考，以及課程的 Final Exam，每一門課總成績需要超過 70% 才能取得該門課的 Certification，取得全部的 10 門課程的 Certification 才能夠得到最後該主題的 MPP 認證。

這個認證不會是只要你唸唸書，背背考古題，或是教科書式的教學，MPP 需要你實際上線操作，學習相關的技術，最後會有一個總成的 Project 需要完成，個人覺得 MPP 是一個非常實務，真正學習技術，上手操作的一個線上認證課程，但是也因為這樣，所以非常的花時間，需要花心思，而且再加上相關資訊的研讀，通常會需要很久的時間才能夠完成一個主題。

目前 MPP 提供的認證主題有八個，持續在增加當中：
1. Data Science
2. Big Data
3. AI
4. Front-End Web Development
5. Cloud Administration
6. DevOps
7. IT Support
8. Entry Level Software Development

從資料分析層面相關的主題，一直到軟體系統開發相關的主題，以及雲端和 IT 維運的主題，涵蓋層面非常的廣泛。

今天要跟各位介紹的三個 MPP 認證，主要是跟 Data Analysis 非常相關的主題，因為目前 AI 話題非常的火熱，這三個主題也就跟著熱門了起來：
1. Data Science
2. Big Data
3. AI

PS：因為這是微軟的 MPP 線上認證課程，所以課程中介紹即使用的全部都是微軟相關工具和軟體，主要使用環境是 Azure 雲端服務。

1. Data Science

MPP for Data Science Certification 主要包含資料分析相關的技術，包括各種演算法的介紹與實作，資料視覺化工具（Excel / Power BI），以及機器學習的相關技術，總共 11 門課，最後的 Final Project 會提供一組實際的資料情境，需要你使用線上課程學習的相關知識和技術，完成專案描述的需求，主要評分項目是依據你所使用的演算法/機器學習技術，如何提高你的預測準確率，詳細描述你的專案實作過程及理論依據，這是一個非常實務的線上學習認證課程，非常推薦有心學習資料科學的各位來研讀。

如果你要取得每一門課的 Certification，則需要付費 USD $99，你也可以選擇不要認證，只參加線上課程的學習，每一門課只有三個月的期間可以完成，如果沒有在期限內完成，則需要重新再付費取得認證。

課程明細如下：

2. Big Data

MPP for Big Data Certification 主要是學習大數據相關的技術，各種資料操作技術的課程，還有 Hadoop 相關的技術實作練習，各項 NoSQL 資料庫的操作，當然使用的都是微軟 Azure 雲端上的服務和技術，但是本質上，大數據的實際應用技術也差不多大同小異，只要你上完這些課程，對於大數據相關的技術和操作方法也大致熟悉了六七成了，如果需要其他的應用技術，可以在自行搜尋參考網路上的相關資料，其實網路上已經有非常多非常足夠的資訊提供你學習了。

課程內容如下：

3. AI

這個 MPP for AI Certification 提供給有心學習 AI 領域的技術人員一個非常好的入門學習，不但你可以了解 AI 相關的基礎知識，而且由淺入深，漸漸引導你實作 AI 的相關技術，從 Machine Learning 到 Deep Learning，一步一步引導你學習 AI 相關的使用技術，學習完這門課程可以讓你對 AI 的了解更為深入，對於 AI 如何應用，如何開發，如何訓練，都提供了完整的基礎知識。

課程明細如下：

以上三門課程（Data Science, Big Data, AI）非常推薦給有心學習 AI 方面的資料科學家來實際學習與操作，相信上完這些課程，不但對你的相關知識會有很大的幫助，對於實際使用的技術和操作方法，也會有很大的進展。

提供給大家參考，希望各位學習愉快！

~~  2018/08/07  Blake

Read More

ML/DL 開發工具另一選擇：Google Colaboratory

ML/DL 開發工具另一選擇：Google Colaboratory

  April 14, 2018    Blake W.

---

來介紹另一個 Python 程式開發工具，也是機器學習模型開發測試的好用工具：Google 開放的 AI 開發工具。這個是 Google 免費開放的雲端開發工具服務，你必須要註冊有 Google Account 才可以使用。（原本是 Google 內部員工使用的開發工具）

https://colab.research.google.com/

各個工具跟其他的 notebook 工具大致上雷同，Colaboratory 開發環境也是基於 Jypyter 架構建置起來的，最大的不同點有兩個：
1. 整合了 Google 各項的雲端服務，Colaboratory 和 Google Drive 以及 Google Doc 整合的非常緊密，你可以直接從 Google Drive 開啟 Colaboratory 來使用。

2. Google 提供了免費的 GPU 讓使用者可以使用，只要在功能表的《選擇》/《筆記本設置》就可以設定使用 GPU。（但是，請記住一點：使用 GPU 不一定比 CPU 快，使用 GPU 不一定比 CPU 快，使用 GPU 不一定比 CPU 快）很著要，所以說三次！必須要看你應用的情境來選擇適合的執行環境。

使用 Collaboratory 開發深度學習的模型訓練範例畫面。

Read More

Azure Machine Learning 測試開發工具的新選擇：介紹 Microsoft Azure Notebook

Azure Machine Learning 測試開發工具的新選擇：介紹 Microsoft Azure Notebook

  April 14, 2018    Blake W.

---

如果你想要練習與測試 Python 程式，Microsoft 提供了一個免費的雲端服務，叫做 Microsoft Azure Notebook，目前還在 Preview 階段，網址如下：

https://notebooks.azure.com/

這個 Azure Notebook 主要是用 Jupyter 建構出來的，是一個互動式的筆記本．讓你能夠將程式碼和文字註記放在一起，方便閱讀。
Microsoft Azure Notebook 提供了很多執行環境，以及範例程式，提供使用者方便撰寫測試和執行測試的工具，包括：R, Python, F#, 以及各式各樣可以使用的 Library，讓使用者節省很多環境安裝設定的時間。

如果你想要使用 Microsoft Azure Notebook 服務，必須要有 Microsoft 帳號，第一次登入 Azure Notebook 會需要你同意存取你的一些資訊。

如果你是初學者，可以透過 Azure Notebook 提供的範例程式，先 Clone 到你自己帳號下的 Library 之中，然後就可以一步一步慢慢執行測試，也可以自行輸入程式碼做測試，使用環境和 Jupyter notebook 非常相似，但是 Azure Notebook 提供了一些直接和 Azure cloud service 整合的工具，讓你可以更方便的跟你的 Azure 雲端環境整合在一起。

開啟你自己 Library 裡面的程式，就會出現 notebook 的操作畫面，操作方法就跟 Jupyter notebook 一樣，如果你不懂操作方法，就上網請教一下「Ｆ大神」或「Ｇ大師」，網路上已經一堆參考資料，這裡就不再詳細說明。

另外，也可以把 nbserver 的 console 開啟，然後就可以使用 pip install 來安裝你所想要使用的 package，真的非常方便。

如果你是 Microsoft Azure 的愛好使用者，建議你使用 Microsoft Azure Notebook 提供的各項工具，因為我相信，接下來微軟會把各式各樣的 Azure cloud service 雲端服務跟這個開發工具結合整合得更緊密，讓使用者能夠更方便的開發與測試機器學習的模型和服務。

Read More

要進入「人工智慧」這大染缸的人，請三思！

要進入「人工智慧」這大染缸的人，請三思！

  March 18, 2018    Blake W.

---

IOT 物聯網，Big Data 大數據，Machine Learning 機器學習，Deep Learning 深度學習，整個大環境目前充斥著各式各樣的 AI 人工智慧相關的議題，不論談到什麼事情，如果沒有跟 AI 掛上關係就不夠流行，大家已經為了 AI 而 AI 了，根本不管是否適合或是有沒有用，不論是企業、政府、教育、士農工商各行各業大家爭相「AI化」，冠上一個「人工智慧」價值就往上提升數倍，但是真正做到 AI 應用的有多少呢？我估計應該不到一半 50%，甚至應該少於這個數字。

隨著人工智慧的熱門議題，大家也都爭相要擠入 AI 這個領域，不論是硬體開發商，軟體開發整合業，顧問服務業，系統分析師，軟體發開人員，甚至學校的學生，全部都想破頭要擠入人工智慧這個領域，不管未來的發展性如何，公司的走向是否相關，有沒有商業模式，不管三七二十一，先搭上這個順風車再說，這樣的風氣實在有點令人擔憂。

大家都想走近路，儘早搭上這班車，怕自己晚了會落在別人後頭，失去機會，失去商機，但是「人工智慧」這是一個涵蓋層面非常廣的領域，除了資訊科技的各項技術之外，還有各種數學統計的學理基礎，更包含了各種領域的專業知識理論，這三者缺一不可，一個人能夠擁有兩項已經非常厲害了，更何況要三者皆熟悉的更是少數的天才，市面上目前真正的「人工智慧」專家或人才，看起來都是學校教授、博士研究、或是在資料分析產業打滾多年的老前輩，缺少很多有能力或有實務開發的人才，人才的斷層非常嚴重，使得市面上人才的需求水漲船高，但是也導致很多走捷徑的人，快速地學習使用機器學習工具，胡亂地套用開源軟體，很快的學會各種機器學習或深度學習模板，但是卻不明究理，不知道模型背後的理論和應用根據，無法解釋模型的演算邏輯，無法說明自己產出的結果，造成很大的落差。

接下來想給幾個建議，如果想要進入「人工智慧」領域的人，還是要先從了解基礎知識開始，包括有資料結構、演算法、機率統計，這三個已經是最基本的要件，不能再少了，如果還有餘力需要在補充相關知識，包括有程式設計、資料庫、線性代數、機器學習的各項理論等，我們這裡說的還不包含個專業領域的知識，就像如果你想要做金融業的人工智慧應用，那對於各項金融方面的領域知識當然也必須要充實，其他像是製造業，醫療產業，教育領域等，各專業領域各有不同的專業領域知識，專業領域知識的重要性不在話下，例如：如果不了解專業領域知識，你怎麼知道各項資料代表的意義，各種資料數值代表的意思，如：EPS、週轉率、替代率、良率、績效等資料代表什麼？要怎麼從海量的資料中撈取計算出有用的資訊知識出來。

雖然我們一個人要學習的東西那麼多，每個人的力量有限，所以分工合作，協同運作，溝通討論非常重要，和各個領域的專家一起協同合作，才能縮短時間，創造雙贏的結果。

最後，奉勸想要踏進「人工智慧」這大染缸的人要有心理準備，這是一條很艱苦的道路，學都學不完的知識，千萬不要被淹沒在這龐大資訊的大染缸之中，一定要循著自己的腳步，一步一腳印從基礎慢慢學起，不要看到電腦視覺很熱門就學這個，那個語音辨識很新就學那個，自然語言機器人很炫就想跳進去，這樣到最後你會不知所措，規劃好自己的學習路徑，一步一腳印的慢慢努力實現，相信最後結果就會是甜美的。

祝大家學習愉快！

#AI人工智慧
#心得分享

Read More