機器學習項目十分復雜，因為它們需要不同組專業人員的技能協作。本文旨在介紹的機器學習的生命周期、參與機器學習的專業人員角色介紹以及SQL Server如何支持主體的需求任務。

機器學習生命周期

機器學習是一個復雜的過程，許多方面花費的時間比預期更復雜。下面是一些機器學習要求企業中的數據專業人員支持的方式：

• 機器學習開頭的目標和業務規則的標識。
• 機器學習專業人員必須要注意的存儲、提取和審核數據。
• 必須標識數據源，并從傳感器和業務應用程序中提取相應的數據。
• 機器學習工作的質量不僅高度依賴于有價值的數據類型，還有提取、存儲和處理數據的進程類型。
• 機器學習項目都是在報告和分析的幫助下完成，不過客戶的參與及反饋的不完整有可能造成影響。

SQL Server在許多企業數據專業人員和機器學習專家之間搭建橋梁,體現在：

• 數據可以是存儲在本地或云中
• SQL Server集成的企業數據處理功能，包括reporting和ETL的每個階段
• SQL Server支持數據安全性、數據冗余和審核
• 提供了資源調控

數據科學家

數據科學家使用不同的工具用于數據分析和機器學習，范圍從免費的開源平臺到需要深厚技術知識的昂貴統計套件。但是使用SQL Server R或Python較這些傳統的工具提供了獨一無二的好處：

• 你可以通過使用所選的開發環境開發和測試解決方案，然后用T-SQL代碼的一部分部署R或 Python代碼。
• 從數據科研人員的便攜式計算機上移動復雜計算到服務器上，避免數據移動對企業的安全策略造成影響。
• 通過特殊的R包和Api改進了性能和可擴展性。不再忍受R的單線程、內存密集型體系結構，可以處理大型數據集和多線程、多核、多進程計算。
• 代碼可移植性：在SQL Server、Hadoop或Linux上利用機器學習服務器可以運行解決方案。

應用程序和數據庫開發人員

數據庫開發者肩負集成多種技術并將結果整合在一起的任務，以便在整個企業中共享這些結果。數據庫開發人員與應用程序開發人員、SQL開發人員以及數據科學家一起設計解決方案，推薦數據管理方法，并設計或部署解決方案。

與SQL Server的集成為數據開發人員提供許多好處：

• 在數據開發人員使用SQL Server Management Studio部署解決方案時，數據科研人員仍可在R Studio工作。并且沒有更多R或Python解決方案重新編碼的工作量。
• 使用T-SQL、R和Python優化解決方案，可以更有效地利用數據庫專業人員在SQL服務器的知識。
• 輕松自動處理大量數據，例如根據生產數據生成必須反復運行任務的預測評分。
• 利用Transact-SQL從任何應用程序訪問R或Python的腳本。
• 得益于在數據庫中計算多線程，API可以處理大型流式數據集

數據庫管理員

數據庫管理員必須將存在競爭的項目和優先級集成到數據庫服務器中，他們不僅需要為數據科學家提供數據訪問權限，還需要為各類報表開發者、業務分析人員和業務數據使用者提供數據訪問權限，同時還負責維護操作和報告數據存儲的運行狀況。在企業中，DBA是構建和部署有效的數據科學基礎結構的重要組成部分。

• SQL server的安全體系結構R Services（數據庫內）使數據庫保持安全，并將執行其隔離的外部腳本數據庫的實例操作。你可以指定誰有權執行機器學習腳本，并使用數據庫角色來管理包。
• 在單獨的進程里確保你的服務器繼續按常規方式運行。
• 使用SQL Server資源調控可讓你在控制的內存和進程分配給外部運行時，防止海量計算降低服務器的整體性能。

架構師和數據工程師

架構師設計集成機器學習生命周期的所有方面的工作流，數據工程師設計并構建ETL解決方案以及確定如何優化工程機器學習任務。整體的數據平臺必須用于平衡競爭的業務需求。

由于R Services（數據庫內）緊密集成了其他Microsoft工具，例如商業智能、數據倉庫堆棧、企業云、移動工具和Hadoop等，因此它為想要提升高級分析功能的數據工程師或系統架構師提供了一系列好處：

• 通過使用系統存儲過程來填充數據集、生成圖形。
• 調用Python或R腳本獲取預測結果。
• 在沒有多個并行工作流數據中，Azure 數據工廠和Azure SQL Database的支持可以容易地使用機器學習處理工作流中的云數據源。

想要購買SQL Server正版授權，或者獲取更多該產品相關信息的朋友可以點擊" "~

海量產品正在參加年終大促，價格優惠！詳情請點擊" 年終巔峰鉅惠 "~