Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Introducere
Instalarea și configurarea platformei de dezvoltare .NET pentru învățarea mașinii (ML.NET)
- Configurarea unor instrumente și biblioteci ML.NET
- Sisteme de operare și componente hardware acceptate de ML.NET
Prezentare a funcțiilor și arhitecturii ML.NET
- Interfata de programare a aplicației ML.NET (API ML.NET)
- Algoritmi și sarcini de învățare mașină ML.NET
- Programarea probabilistică cu Infer.NET
- Alegerea dependențelor ML.NET adecvate
Prezentare a Model Builder ML.NET
- Integrarea Model Builder în Visual Studio
- Utilizarea învățării automate (AutoML) cu Model Builder
Prezentare a interfeței de linie de comandă ML.NET (CLI)
- Generarea automată a modelelor de învățare mașină
- Sarcini de învățare mașină acceptate de ML.NET CLI
Obținerea și încărcarea datelor din resurse pentru învățarea mașinii
- Utilizarea API-ului ML.NET pentru procesarea datelor
- Crearea și definirea claselor de modele de date
- Anotarea modelilor de date ML.NET
- Situații pentru încărcarea datelor în framework-ul ML.NET
Prepararea și adăugarea datelor în framework-ul ML.NET
- Filtrarea modelilor de date cu operațiuni de filtrare ML.NET
- Lucrul cu DataOperationsCatalog și IDataView din ML.NET
- Apropiere de normalizare pentru pre-procesarea datelor ML.NET
- Conversia datelor în ML.NET
- Lucrul cu date categorice pentru generarea modelului ML.NET
Implementarea algoritmilor și sarcinilor de învățare mașină ML.NET
- Clasificările binare și multi-clase ML.NET
- Regresia în ML.NET
- Gruparea instanțelor de date cu clustering-ul din ML.NET
- Sarcina de învățare mașină pentru detectarea anomaliei
- Clasificarea, recomandarea și pronosticul datelor în ML.NET
- Alegerea algoritmului ML.NET potrivit pentru un set de date și funcții
- Transformarea datelor în ML.NET
- Algoritmi pentru îmbunătățirea acurateții modelelor ML.NET
Antrenarea modelelor de învățare mașină în ML.NET
- Construirea unui model ML.NET
- Metodele ML.NET pentru antrenarea unei modele de învățare mașină
- Împărțirea seturilor de date pentru antrenament și testare ML.NET
- Lucrul cu diferite atribute ale datelor și situații în ML.NET
- Memoriajarea seturilor de date pentru antrenamentul modelului ML.NET
Evaluarea modelelor de învățare mașină în ML.NET
- Extrage parametrii pentru reantrenarea sau inspectarea unui model
- Colectarea și înregistrarea metricilor modelului ML.NET
- Analiza performanței unei modele de învățare mașină
Inspectarea datelor intermediare în timpul pașilor de antrenament a modelului ML.NET
Utilizarea Permutării Importanței Caracteristicilor (PFI) pentru interpretarea predicțiilor modelului
Salvarea și încărcarea modelelor de învățare mașină ML.NET antrenate
- ITTransformer și DataViewScheme în ML.NET
- Încărcarea datelor stocate local sau la distanță
- Lucrul cu pipelines de modele de învățare mașină în ML.NET
Utilizarea unui model de învățare mașină ML.NET antrenat pentru analiza datelor și predicții
- Configurarea pipeline-ului de date pentru predicțiile modelului
- Predicții simple și multiple în ML.NET
Optimizarea și reantrenarea unui model de învățare mașină ML.NET
- Algoritmi ML.NET care pot fi reantrenați
- Încărcarea, extragerea și reantrenarea unui model
- Compararea parametrilor modelului reantrenat cu cei ai modelului ML.NET anterior
Integrarea modelelor ML.NET cu cloud-ul
- Implementarea unui model ML.NET folosind funcții Azure și web API
Depanare
Rezumat și concluzie
Cerințe
- Cunoaștere a algoritmilor și bibliotecilor de învățare automată
- Comandă puternică a limbajului de programare C#
- Experiență cu platformele de dezvoltare .NET
- Înțelegere basică a unor instrumente de știința datelor
- Experiență cu aplicații de bază de învățare automată
Audiență
- Științiiști de date
- Dezvoltatori de învățare automată
21 ore
Mărturii (2)
ecosistemul ML nu se limitează la MLFlow ci include și Optuna, hyperops, docker, docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
Tradus de catre o masina
Am apreciat participarea la antrenamentul Kubeflow, care s-a desfășurat în mod remote. Acest antrenament m-a permis să consolidez cunoștințele despre serviciile AWS, K8s și toolele devOps din jurul Kubeflow, care sunt bazele necesare pentru a aborda subiectul în mod corespunzător. Doresc să-i mulțumesc lui Malawski Marcin pentru paciența și profesionalismul arătat în antrenament și în oferirea de sfaturi privind cele mai bune practici. Malawski abordează subiectul din diferite perspective, folosind diverse instrumente de dezvoltare Ansible, EKS kubectl, Terraform. Acum sunt cu siguranță convins că mă îndrept către domeniul potrivit de aplicare.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curs - Kubeflow
Tradus de catre o masina
