Programa do Curso
Introdução
Instalação e Configuração do Aprendizado de Máquina para a Plataforma de Desenvolvimento .NET (ML.NET)
- Configuração das ferramentas e bibliotecas do ML.NET
- Sistemas operacionais e componentes de hardware compatíveis com o ML.NET
Visão Geral dos Recursos e da Arquitetura do ML.NET
- A Interface de Programação de Aplicações (API) do ML.NET
- Algoritmos e tarefas de aprendizado de máquina do ML.NET
- Programação probabilística com o Infer.NET
- Definir as dependências adequadas do ML.NET
Visão Geral do Model Builder do ML.NET
- Integração do Model Builder ao Visual Studio
- Utilização de aprendizado de máquina automatizado (AutoML) com o Model Builder
Visão Geral da Interface de Linha de Comando (CLI) do ML.NET
- Geração automatizada de modelos de aprendizado de máquina
- Tarefas de aprendizado de máquina suportadas pela CLI do ML.NET
Obtenção e Carregamento de Dados de Fontes para Aprendizado de Máquina
- Utilização da API do ML.NET para processamento de dados
- Criação e definição das classes dos modelos de dados
- Anotações em modelos de dados do ML.NET
- Casos de uso para carregamento de dados no framework do ML.NET
Preparação e Inclusão de Dados no Framework do ML.NET
- Filtragem dos modelos de dados com as operações de filtro do ML.NET
- Trabalhando com o DataOperationsCatalog e o IDataView do ML.NET
- Abordagens de normalização para pré-processamento de dados no ML.NET
- Conversão de dados no ML.NET
- Trabalhando com dados categóricos para geração de modelos no ML.NET
Implementação dos Algoritmos e Tarefas de Aprendizado de Máquina do ML.NET
- Classificações binárias e multiclasse no ML.NET
- Regressão no ML.NET
- Agrupamento de instâncias de dados com Clustering no ML.NET
- Tarefa de aprendizado de máquina para Detecção de Anomalias
- Rankeamento, Recomendação e Previsão no ML.NET
- Escolha do algoritmo adequado do ML.NET para um conjunto de dados e funções específicos
- Transformação de dados no ML.NET
- Algoritmos para melhorar a precisão dos modelos do ML.NET
Treinamento de Modelos de Aprendizado de Máquina no ML.NET
- Construção de um modelo no ML.NET
- Métodos do ML.NET para treinamento de um modelo de aprendizado de máquina
- Divisão de conjuntos de dados para treinamento e teste no ML.NET
- Trabalhando com diferentes atributos e casos de dados no ML.NET
- Armazenamento em cache de conjuntos de dados para treinamento de modelos no ML.NET
Avaliação de Modelos de Aprendizado de Máquina no ML.NET
- Extração de parâmetros para retreinamento ou inspeção do modelo
- Coleta e registro das métricas do modelo no ML.NET
- Análise do desempenho de um modelo de aprendizado de máquina
Inspeção dos Dados Intermediários Durante as Etapas de Treinamento do Modelo no ML.NET
Utilização da Importância de Recursos por Permutação (PFI) para Interpretação das Previsões do Modelo
Salvando e Carregando Modelos do ML.NET Treinados
- ITTransformer e DataViewScheme no ML.NET
- Carregamento de dados armazenados localmente e remotamente
- Trabalhando com pipelines de modelos de aprendizado de máquina no ML.NET
Utilização de um Modelo do ML.NET Treinado para Análises e Previsões de Dados
- Configuração do pipeline de dados para previsões do modelo
- Previsões únicas e múltiplas no ML.NET
Otimização e Retreinamento de um Modelo de Aprendizado de Máquina do ML.NET
- Algoritmos do ML.NET passíveis de retreinamento
- Carregamento, extração e retreinamento de um modelo
- Comparação dos parâmetros do modelo retreinado com o modelo anterior do ML.NET
Integração dos Modelos do ML.NET com a Nuvem
- Implantação de um modelo do ML.NET com Funções do Azure e API Web
Resolução de Problemas
Resumo e Conclusão
Requisitos
- Conhecimento de algoritmos e bibliotecas de aprendizado de máquina
- Conhecimento avançado da linguagem de programação C#
- Experiência com plataformas de desenvolvimento .NET
- Compreensão básica de ferramentas de ciência de dados
- Experiência com aplicações básicas de aprendizado de máquina
Público-Alvo
- Cientistas de Dados
- Desenvolvedores de Aprendizado de Máquina
Testemunhos de Clientes (3)
Gostei muito do final, quando tivemos tempo para brincar com o CHAT GPT. O ambiente não estava configurado da melhor maneira para isso - em vez de uma grande mesa, algumas mesas menores teriam ajudado a formar grupos pequenos e favorecido a brainstorming.
Nola - Laramie County Community College
Curso - Artificial Intelligence (AI) Overview
Máquina Traduzida
Trabalhando a partir de princípios fundamentais de forma focada e avançando para a aplicação de estudos de caso no mesmo dia
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Máquina Traduzida
Que estava aplicando dados reais de uma empresa. O instrutor teve uma abordagem muito boa, fazendo com que os participantes se envolvessem e competissem.
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Curso - Applied AI from Scratch in Python
Máquina Traduzida
