Schița de curs
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 aplicației ML.NET Programming (ML.NET API)
- Algoritmi și sarcini de învățare automată ML.NET
- Programarea probabilistică cu Infer.NET
- Decizia privind dependențele ML.NET adecvate
Prezentare generală a ML.NET Model Builder
- Integrarea Model Builder la Visual Studio
- Utilizarea învățării automate a mașinilor (AutoML) cu Model Builder
Prezentare generală a ML.NET interfeței de linie de comandă (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 ML.NET operații de filtrare
- Lucrul cu ML.NET DataOperationsCatalog și IDataView
- Abordări de normalizare pentru ML.NET preprocesarea datelor
- Conversia datelor în ML.NET
- Lucrul cu date categorice pentru ML.NET generarea de modele
Implementarea ML.NET Algoritmi și sarcini de învățare automată
- Clasificări binare și multiclasă ML.NET.
- Regresie în ML.NET
- Gruparea instanțelor de date cu Clustering în ML.NET
- Sarcina de învățare automată de detectare a anomaliilor
- Clasificare, recomandare și prognoză în ML.NET
- Alegerea algoritmului adecvat ML.NET pentru un set de date și funcții
- Transformarea datelor în ML.NET
- Algoritmi pentru îmbunătățirea acurateței modelelor ML.NET
Formarea 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 ML.NET instruire și testare
- Lucrul cu diferite atribute și cazuri de date în ML.NET
- Memorarea în cache a seturilor de date pentru instruirea modelului ML.NET
Evaluarea modelelor de învățare automată în ML.NET
- Extragerea parametrilor pentru reeducarea sau inspectarea modelului
- Colectarea și înregistrarea ML.NET parametrilor modelului
- Analiza performanței unui model de învățare automată
Inspectarea datelor intermediare în timpul etapelor de formare a modelului ML.NET Etapele de formare a modelului
Utilizarea importanței caracteristicilor de permutare (PFI) pentru interpretarea predicțiilor modelului
Salvarea și încărcarea modelelor antrenate ML.NET
- ITTransformer și DataViewScheme în ML.NET
- Încărcarea datelor stocate la nivel local și la distanță
- Lucrul cu conductele de modele de învățare automată în ML.NET
Utilizarea unui model antrenat ML.NET pentru analiza și predicțiile datelor
- Configurarea canalului de date pentru predicțiile modelului
- Predicții unice și multiple în ML.NET
Optimizarea și reantrenarea unui model de învățare automată ML.NET
- Algoritmi reeducabili ML.NET
- 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
Depanare
Rezumat și concluzii
Cerințe
- Cunoașterea algoritmilor de învățare automată și a bibliotecilor
- Competență solidă a limbajului de programare C#
- Experiență cu platformele de dezvoltare .NET
- Înțelegere de bază a instrumentelor de știință a datelor .
- Experiență cu aplicații de bază de învățare automată .
Audiență
- Cercetători de date
- Machine Learning Dezvoltatori