Data platform & Analytics

以統計為出發點的 R語言，透過開源軟體的推廣，先後在數學、統計、醫療、科學…等多個領域，累積了廣大的愛好者。在大數據的時代，它將如何與高度視覺化的 PowerBI完美結合呢？本文將介紹如何快速地設定，讓你的程式除了在電腦內運行，也可以發佈至網路，甚至是手機，分享給全世界！

自從2017年微軟在SQL Server產品上推出了Version Next，意圖透過 EAP(Early Adoption Program)這個計劃，讓客戶與合作夥伴在產品上市之前，客戶可以一賭為快；合作夥伴可以透過創新功能開發自己的產品，贏得更大的商機！
包含了SQL2017首次可以進行在非微軟Windows作業系統上面進行；以及SQL2019可以在微軟NTFS檔案系統之外的HDFS，同時享受傳統IT環境與巨量資料Spark(Hadoop的下一代)的Hybrid 優勢。

語音合成是語音辨識與回應中很重要的環節之一，在完整環節中語音辨識的三劍客ASR,TTS,NLP 分別可以類比為人類的耳朵、嘴巴、左腦。今天要介紹的Custom Voice雖然不是什麼新產品，但是隨著機器學習(深度學習)的成熟，竟然可以讓老瓶裝上新酒後，散發出迷人的香氣，吸引更多的文人藝士來品嚐！
 

接續 GLM(General Linear Model)與預防性維修，本篇要來介紹西元2000年最讓人津津樂道的購物籃分析(啤酒與尿布)關聯規則(APRIORI)演算法，這是一個要學產品推薦的建議起手式，尤其是在電商百家爭鳴的時代。此次的環境還是用到了Azure上的VM template，其版本為 SQL Server 2017(R3.3.3)

自 SQL Server 2016推出 R服務之後，Revolution團隊在SQL 2017版本中，除了將原先的服務改名為 Machine Learning Services(為了納入對 Python語言的支援)，更強化了對 R語言的支援與 Pre Training model的數量。本篇將簡單地介紹 R語言的語法，以及會用GLM 一般線性模型(可歸類為廻歸分析)來示範，讓熟悉 T-SQL的 DBA也能用 SQL Server做機器學習

我們之前有提過微軟為了資料分析的發展在SQL 2016 正式加入併購進來的 Revolution Analytics解決方案，在本文中將以預防性的維修示範如何使用 R語言來進行資料分析。額外提醒一下External scripts與LaunchPad service是 SQL Server在做 ML資料分析的必要條件。

Dot com 電子商務在西元2000年時達到的巔峰，資料採礦(Data Mining)更是打蛇隨棍上，藉由這股熱錢在產業中快速地掘起。微軟也是由 SQL Server 2000 開始支援資料採礦的功能，並且在 SQL Server 2005 增加了更多的演算法。基礎於微軟定位自己是一個平台供應商，在自己不是演算法的供應商的情況下，主導這個市場的能力有限。所幸在2015年買下了 Revolution Analytics，終於解鎖了這個限制，讓企業的想像力可以盡情的奔馳…

你的公司朝人工智慧在發展了嗎？這是近幾年最夯的議題。但是要回答這個問題之前，要知道人工智慧發展至今已經超過50年，所以你明白現身何處嗎？
其實人工智慧並不是新的東西，它已經歷經了三個世代的發展，正在光明地朝向第四個世代在邁進。微軟除了在地端發展機器學習，其實它更積極地發展雲端的機器學習，打算應用它近乎無窮資源的公有雲來協助企業，可以用更經濟更彈性的方式做好數位轉型…
 

當科技發展到雲端時代，企業之間的激烈競爭並沒有停下來，只是改成比較誰可以把 Paas或是Saas 用的更好，才能實現其科技上的競爭優勢。以開源資料庫MySQL來看，微軟在雲端上一直致力於提供使用者更好的雲端服務，從最早期的 Iaas VM，到 Marketpalce 上面眾多的第三方的 MySQL服務，再到目前的 Paas層級的 Azure database for MySQL服務。本篇將著眼於後者，介紹如何建置這個微軟維運的 Paas服務…

Docker是一個基礎於Container技術，專為開發者與系統管理者設計的平台，以利組織可以藉由這樣的好技術，佈署與運行特定目的程式碼。因為每個映像檔都已經把程式碼、runtime運行環境、函式庫、環境變數、設定檔…以抽象化的方式整合在映像檔中。因為很完整，所以多個Container都不會互相干擾，就像是孫悟空用頭髮吹出分身，雖然系出同源，都是來自孫悟空，但各自獨立，都可以單兵作戰！