Azure AI: overzicht
Als u uw eerste stappen zet in AI en graag wil ontdekken wat de mogelijkheden zijn of heeft u al ervaring en wil u meteen aan de slag, dan bent u hier aan het juiste adres. U kan deze elementen zelf implementeren (via subscriptie bij ons) of we kunnen u bijstaan bij de uitrol ervan.
Generative AI
Ontwerp een aangepaste AI-assistent met behulp van ChatGPT. Experimenteer met GPT-3.5-Turbo en GPT-4 modellen.
Genereer unieke afbeeldingen door beschrijvingen te maken in natuurlijke taal via het model Dall E.
Transcribeer uw audio met het Whisper model.
Verbind en aard uw gegevens.
Implementeer naar een Web App of een Power Virtual Agent (Copilot Studio).
Het grote verschil met Chat GPT is dat u uw eigen bedrijfsgegevens aan Copilot kan toevoegen. Dat kan op 3 manieren:
- via vooraf bepaalde topic flows die getriggerd worden door vooraf bepaalde zinnen
- via generatieve AI op basis van een website (publiek of SharePoint)
- via generatieve AI op basis van documenten zoals PDF
Alles uiteraard binnen de beveiligde omgeving van Microsoft 365. Uw gegevens worden niet gebruikt voor training en kunnen niet bij het grote publiek terecht komen.
U kan Copilot bijvoorbeeld linken aan Teams zodat uw medewerkers intern makkelijk aan de gegevens kunnen.
Via Copilot Studio kan u dit zelf makkelijk aanmaken (al dan niet na training via ons). U kan zelfs vanuit Teams zo’n bot aanmaken. Geen nood meer aan developers. Uw projecten kunnen dus sneller gerealiseerd worden.
Machine Learning
Machine learning onder toezicht wordt gebruikt om modellen te trainen door een relatie te bepalen tussen de kenmerken en labels in eerdere waarnemingen, zodat onbekende labels kunnen worden voorspeld voor kenmerken in toekomstige gevallen.
Regressie is een vorm van machinaal leren onder toezicht waarbij het door het model voorspelde label een numerieke waarde is. Bijvoorbeeld:
- Het aantal verkochte ijsjes op een bepaalde dag, gebaseerd op de temperatuur, regenval en windsnelheid.
- De verkoopprijs van een woning op basis van de grootte in vierkante meter, het aantal slaapkamers dat het bevat en sociaal-economische maatstaven voor de locatie.
- Het brandstofverbruik (in km per liter) van een auto op basis van de motorinhoud, het gewicht, de breedte, de hoogte en de lengte.
Classificatie is een vorm van machinaal leren onder toezicht waarbij het label een categorisatie of klasse vertegenwoordigt. Er zijn twee veelvoorkomende classificatiescenario’s:
Bij binaire classificatie bepaalt het label of het waargenomen item al dan niet een exemplaar van een specifieke klasse is. Of anders gezegd: binaire classificatiemodellen voorspellen een van de twee elkaar uitsluitende uitkomsten. Bijvoorbeeld:
- Of een patiënt risico loopt op diabetes, gebaseerd op klinische gegevens zoals gewicht, leeftijd, bloedsuikerspiegel, enzovoort.
- Of een bankklant een lening niet kan afbetalen, op basis van inkomen, kredietgeschiedenis, leeftijd en andere factoren.
- Of een mailinglijstklant positief zal reageren op een marketingaanbod op basis van demografische kenmerken en eerdere aankopen.
In al deze voorbeelden voorspelt het model een binaire waar/onwaar of positief/negatieve voorspelling voor een enkele mogelijke klasse.
Classificatie met meerdere klassen breidt binaire classificatie uit om een label te voorspellen dat een van meerdere mogelijke klassen vertegenwoordigt. Bijvoorbeeld:
- De soort pinguïn (Adelie, Gentoo of Chinstrap) op basis van zijn fysieke afmetingen.
- Het genre van een film (komedie, horror, romantiek, avontuur of sciencefiction) op basis van de cast, regisseur en budget.
Machine learning zonder toezicht omvat het trainen van modellen met behulp van gegevens die alleen bestaan uit functiewaarden zonder bekende labels. Machine learning-algoritmen zonder toezicht bepalen de relaties tussen de kenmerken van de observaties in de trainingsgegevens.
De meest voorkomende vorm van machinaal leren zonder toezicht is clustering. Een clusteralgoritme identificeert overeenkomsten tussen waarnemingen op basis van hun kenmerken, en groepeert deze in afzonderlijke clusters. Bijvoorbeeld:
- Groepeer soortgelijke bloemen op basis van hun grootte, aantal bladeren en aantal bloemblaadjes.
- Identificeer groepen vergelijkbare klanten op basis van demografische kenmerken en koopgedrag.
Azure Cognitive Services: Speech
Geef uw apps de mogelijkheid om uw klanten te horen, te begrijpen en zelfs te spreken met functies zoals spraak-naar-tekst en tekst-naar-spraak.
Azure Cognitive Services for Language
Gebruik onze Natural Language Processing (NLP)-functies om uw tekstuele gegevens te analyseren met behulp van de modernste, vooraf geconfigureerde AI-modellen, of pas uw eigen modellen aan zodat ze bij uw scenario passen. Bijvoorbeeld:
- Post call: zet opnames van call centres om in tekst en haal er interessante info uit (zoals Personal Identifiable Information, sentiment)
- samenvatten van belangrijkste en meeste relavante info
- vertalen
Azure AI Vision
Geef uw apps de mogelijkheid om tekst te lezen, afbeeldingen te analyseren en gezichten te detecteren met technologie zoals optische tekenherkenning (OCR) en machine learning.
Document Intelligence
U kunt eenvoudig belangrijke gegevens uit documenten halen of uw eigen aangepaste modellen maken zonder code. Denk hierbij maar aan het automatisch halen van informatie uit facturen en het herkennen van de informatie (naam, adres, bedrag, artikel enz.).
Integratie
Veel van deze elementen kunnen in combinatie met elkaar gebruikt worden om tot de gewenste oplossing te komen. Aarzel niet ons te contacteren voor advies.