Introducere

Instalarea și configurarea Machine Learning pentru platforma de dezvoltare .NET (ML.NET)

• Configurarea instrumentelor și bibliotecilor ML.NET
• Sisteme de operare și componente hardware acceptate de ML.NET

Prezentare generală a caracteristicilor și arhitecturii ML.NET

• Interfața ML.NET aplicației Programming (ML.NET API)
• ML.NET algoritmi și sarcini de învățare automată
• Programarea probabilistică cu Infer.NET
• Deciderea asupra dependențelor ML.NET adecvate

Prezentare generală a ML.NET Model Builder

• Integrarea constructorului de modele la Visual Studio
• Utilizarea învățării automate a mașinilor (AutoML) cu Model Builder

Prezentare generală a interfeței cu linie de comandă ML.NET (CLI)

• Generarea automată a modelelor de învățare automată
• Sarcini de învățare automată suportate de ML.NET CLI

Achiziționarea și încărcarea datelor din resurse pentru Machine Learning

• Utilizarea API ML.NET pentru prelucrarea datelor
• Crearea și definirea claselor de modele de date
• Adnotarea modelelor de date ML.NET
• Cazuri de încărcare a datelor în cadrul ML.NET

Pregătirea și adăugarea de date în cadrul ML.NET

• Filtrarea modelelor de date pentru cu ajutorul operațiilor de filtrare ML.NET
• Lucrul cu ML.NET DataOperationsCatalog și IDataView
• Abordări de normalizare pentru preprocesarea datelor în ML.NET
• Conversia datelor în ML.NET
• Lucrul cu date categoriale pentru generarea de modele ML.NET

Implementarea ML.NET Machine Learning Algoritmi și sarcini

• Clasificări binare și multiclasă ML.NET
• Regresie în ML.NET
• Gruparea instanțelor de date cu Clustering în ML.NET
• Detectarea anomaliilor sarcină de învățare automată
• Clasificare, recomandare și Forecasting în ML.NET
• Alegerea algoritmului adecvat în ML.NET pentru un set de date și funcții
• Transformarea datelor în ML.NET
• Algoritmi pentru îmbunătățirea preciziei modelelor ML.NET

Formarea Machine Learning modelelor în ML.NET

• Construirea unui model ML.NET
• Metode ML.NET pentru formarea unui model de învățare automată
• Divizarea seturilor de date pentru ML.NET formare și testare
• Lucrul cu diferite atribute și cazuri de date în ML.NET
• Păstrarea în cache a seturilor de date pentru ML.NET formarea modelului

Evaluarea modelelor Machine Learning în ML.NET

• Extragerea parametrilor pentru reantrenarea sau inspectarea modelului
• Colectarea și înregistrarea metricilor modelului ML.NET
• Analizarea performanței unui model de învățare automată

Inspectarea datelor intermediare în timpul etapelor ML.NET de formare a modelului

Utilizarea Permutation Feature Importance (PFI) pentru interpretarea predicțiilor modelului

Salvarea și încărcarea modelelor ML.NET antrenate

• ITTransformer și DataViewScheme în ML.NET
• Încărcarea datelor stocate local și la distanță
• Lucrul cu conductele de modele de învățare automată în ML.NET

Utilizarea unui model ML.NET antrenat pentru analize și predicții ale datelor

• Configurarea conductei de date pentru predicțiile modelului
• Predicții simple și multiple în ML.NET

Optimizarea și reantrenarea unui model ML.NET Machine Learning

• Algoritmi ML.NET reantrenabili
• Încărcarea, extragerea și reantrenarea unui model
• Compararea parametrilor modelului reantrenat cu modelul ML.NET anterior

Integrarea modelelor ML.NET cu cloud-ul

• Implementarea unui model ML.NET cu funcții Azure și API web

Rezolvarea problemelor

Rezumat și concluzie