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 învățării automate pentru platforma de dezvoltare .NET (ML.NET)
- Configurarea instrumentelor și bibliotecilor ML.NET
- Sisteme de operare și componente hardware suportate de ML.NET
Prezentare generală a caracteristicilor și arhitecturii ML.NET
- Interfața de programare a aplicațiilor ML.NET (ML.NET API)
- Algoritmi și sarcini de învățare automată ML.NET
- Programare probabilistică cu Infer.NET
- Alegerea dependențelor ML.NET adecvate
Prezentare generală a ML.NET Model Builder
- Integrarea Model Builder în Visual Studio
- Utilizarea învățării automate (AutoML) cu Model Builder
Prezentare generală a interfeței de 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 învățarea automată
- Utilizarea ML.NET API pentru procesarea 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 datelor în cadrul ML.NET
- Filtrarea modelelor de date cu operațiuni de filtrare ML.NET
- Lucrul cu ML.NET DataOperationsCatalog și IDataView
- Abordări de normalizare pentru pre-procesarea datelor ML.NET
- Conversia datelor în ML.NET
- Lucrul cu date categorice pentru generarea modelelor ML.NET
Implementarea algoritmilor și sarcinilor de învățare automată ML.NET
- Clasificări binare și multi-clasă în ML.NET
- Regresie în ML.NET
- Gruparea instanțelor de date cu clustering în ML.NET
- Sarcina de detectare a anomalilor
- Clasificare, recomandare și prognoză în ML.NET
- Alegerea algoritmului ML.NET adecvat pentru un set de date și funcții
- Transformarea datelor în ML.NET
- Algoritmi pentru îmbunătățirea acurateței modelelor ML.NET
Antrenarea modelelor de învățare automată în ML.NET
- Construirea unui model ML.NET
- Metode ML.NET pentru antrenarea unui model de învățare automată
- Împărțirea seturilor de date pentru antrenarea și testarea ML.NET
- Lucrul cu diferite atribute și cazuri de date în ML.NET
- Caching-ul seturilor de date pentru antrenarea modelelor ML.NET
Evaluarea modelelor de învățare automată în ML.NET
- Extragerea parametrilor pentru reantrenarea sau inspectarea modelului
- Colectarea și înregistrarea metricilor modelelor ML.NET
- Analizarea performanței unui model de învățare automată
Inspectarea datelor intermediare în timpul etapelor de antrenare a modelelor ML.NET
Utilizarea Importanței Caracteristicilor Permutate (PFI) pentru interpretarea predicțiilor modelelor
Salvarea și încărcarea modelelor antrenate ML.NET
- ITTransformer și DataViewScheme în ML.NET
- Încărcarea datelor stocate local și la distanță
- Lucrul cu conductele modelelor de învățare automată în ML.NET
Utilizarea unui model antrenat ML.NET pentru analize de date și predicții
- Configurarea conductei de date pentru predicții ale modelelor
- Predicții unice și multiple în ML.NET
Optimizarea și reantrenarea unui model de învățare automată ML.NET
- 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 web API
Depanare
Rezumat și concluzii
Cerințe
- Cunoașterea algoritmilor și bibliotecilor de învățare automată
- Competențe solide în limbajul de programare C#
- Experiență cu platformele de dezvoltare .NET
- Înțelegere de bază a instrumentelor de știința datelor
- Experiență cu aplicații de bază de învățare automată
Publicul țintă
- Oameni de știință în domeniul datelor
- Dezvoltatori de învățare automată
21 Ore
Mărturii (2)
ecosistemul ML nu include doar MLFlow, ci și Optuna, hyperops, Docker și Docker-Compose
Guillaume GAUTIER - OLEA MEDICAL
Curs - MLflow
Tradus de catre o masina
M-a plăcut să particip la instruirea Kubeflow, care a avut loc la distanță. Această instruire mi-a permis să consolidez cunoștințele despre serviciile AWS, K8s și toate instrumentele devOps în jurul Kubeflow, care reprezintă bazele necesare pentru a aborda subiectul cu succes. Vreau să-i mulțumesc lui Malawski Marcin pentru răbdarea sa și profesionalismul demonstrat în instruire și sfaturi privind cele mai bune practici. Malawski abordează subiectul din diferite unghiuri, folosind diferite instrumente de implementare precum Ansible, EKS kubectl, Terraform. Acum sunt cu adevărat convins că intru în domeniul de aplicație potrivit.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curs - Kubeflow
Tradus de catre o masina
