Возможно, вы видели пост Joseph Sirosh на прошлой неделе о возможности опубликовать модели Azure Machine Learning в Azure Marketplace, и что MS уже опубликовало некоторое количество API. Для Excel есть специальный аддон, который может используется для доступа к этим API, но я заметил, что как минимум одно API (Sentiment Analysis API) может использоваться напрямую через Power Query.

Для того, чтобы сделать это, сперва вам необходимо зайти в Azure Marketplace, войти под вашим Microsoft-аккаунтом и подписаться на Lexicon Based Sentiment Analysis API. В документации говориться, что у вас есть 25000 транзакций в месяц бесплатно. API как таковое очень простое: передайте предложение для оценки, и вам в ответ придет оценка от -1 до 1, где 1 означает положительную тональность, а -1 отрицательную. Для примера, выражение «I had a good day» возвращает значение 1:

В этом посте я расскажу, как можно использовать Microsoft Azure Machine Learning для анализа тональности текста, а также с какими проблемами можно столкнуться в процессе использования Azure ML и как их можно обойти.

Что такое анализ тональности хорошо описано в статье «Обучаем компьютер чувствам (sentiment analysis по-русски)».
Нашей целью будет являться построение веб-сервиса, который принимает на вход некоторый текст и возвращает в ответ 1, если этот текст носит позитивный характер, и -1 — если негативный. Microsoft Azure Machine Learning идеально (почти) подходит для этой задачи, так как там есть встроенная возможность опубликовать результаты вычислений как веб-сервис и поддержка языка R — это избавляет от необходимости писать свои костыли и настраивать свою виртуальную машину/веб-сервер. В общем, все преимущества облачных технологий. К тому же, совсем недавно было объявлено, что все желающие могут попробовать Azure ML даже без аккаунта Azure и кредитной карточки — необходим только Microsoft Account.

Одно из наиболее интересных подразделений в Microsoft — это Microsoft Research. В этом подразделении ведутся исследования и разработки на самые разные темы и, помимо всего прочего, присутствует такой проект, как Microsoft Azure for Research. Этот проект помогает исследователям использовать облачные вычисления в своей работе путем безвозмездного предоставления вычислительных мощностей Microsoft Azure. Наш Центр изучения Интернета и общества получил этот грант, и в этом посте я расскажу, как это было и что из этого вышло.

Немного о нашем проекте, под который мы получали грант

Социальная сеть ВКонтакте на сегодняшний день в 5-10 раз больше русскоязычного Facebook и представляет большой интерес для исследователей. Граф пользователей содержит около 220 миллионов узлов, а количество постов исчисляется миллиардами. При этом, ВКонтакте часто игнорируется исследователями из социальных дисциплин, несмотря на более открытую политику конфиденциальности, чем, например, у Facebook. Частично это можно объяснить сложностью сбора большого объема данных, включающих пользователей и их друзей, посты и комментарии к ним, данные по лайкам и репостам. Кроме того, отсутствуют готовые инструменты анализа, как, например, NodeXL для Facebook. Можно предположить, что социологи не всегда обладают необходимыми навыками программирования и управления базами данных. Цель нашего проекта — решить эту проблему и выпустить в открытом доступе анонимизированный набор данных, содержащий связи между пользователями, группами, постами и лайками. Благодаря Microsoft Azure мы постараемся упростить задачу ученых из социальных наук и дать им дополнительные возможности для анализа.

Windows Azure WebJobs — это новая функция Windows Azure Web Sites, подробнее о ней вы можете прочитать тут.

Несмотря на то, что вы можете легко добавить новую WebJob используя портал управления Windows Azure, вы, возможно, захотите развертывать WebJob другими способами — ftp/git/WebDeploy. В этом посте я покажу, как WebJob хранятся в вашем Azure WebSites и как вы можете развернуть новую WebJob.

Добрый день!

В этой статье я покажу как легко и просто мигрировать (перенести данные) с PostgreSQL на облачную базу данных Windows Azure SQL Database.

Основные шаги:

1. Создание новой базы данных в панели управления Windows Azure
2. Установка ODBC-драйвера для PostgreSQL
3. Создание проекта в SQL Server Data Tool
4. Импорт данных