Cursos de Machine Learning and AI with ML.NET

Introdução

Instalar e configurar Machine Learning para a plataforma de desenvolvimento .NET (ML.NET)

• Configuração das ferramentas e bibliotecas da ML.NET
• Sistemas operativos e componentes de hardware suportados por ML.NET

Descrição geral das funcionalidades e da arquitetura da ML.NET

• A ML.NET Interface de Aplicação Programming (ML.NET API)
• Algoritmos e tarefas de aprendizagem automática ML.NET
• Programação probabilística com Infer.NET
• Decidir sobre as dependências ML.NET apropriadas

Visão geral do ML.NET Model Builder

• Integrar o Model Builder em Visual Studio
• Utilizando o aprendizado de máquina automatizado (AutoML) com o Model Builder

Descrição geral da ML.NET Interface de linha de comandos (CLI)

• Geração de modelos de aprendizagem automática de máquinas
• Tarefas de aprendizagem automática suportadas pela ML.NET CLI

Aquisição e carregamento de dados de recursos para Machine Learning

• Utilização da API ML.NET para processamento de dados
• Criar e definir as classes de modelos de dados
• Anotação de modelos de dados ML.NET
• Casos de carregamento de dados na estrutura ML.NET

Preparação e adição de dados na estrutura ML.NET

• Filtragem de modelos de dados com ML.NET operações de filtragem
• Trabalhar com ML.NET DataOperationsCatalog e IDataView
• Abordagens de normalização para ML.NET pré-processamento de dados
• Conversão de dados em ML.NET
• Trabalhar com dados categóricos para a geração de modelos ML.NET

Implementação de ML.NET Machine Learning Algoritmos e tarefas

• Classificações binárias e multi-classe ML.NET
• Regressão em ML.NET
• Agrupamento de instâncias de dados com Clustering em ML.NET
• Tarefa de aprendizagem automática de deteção de anomalias
• Classificação, recomendação e Forecasting em ML.NET
• Seleção do algoritmo ML.NET adequado para um conjunto de dados e funções
• Transformação de dados em ML.NET
• Algoritmos para melhorar a precisão dos modelos ML.NET

Treinar Machine Learning Modelos em ML.NET

• Construção de um modelo ML.NET
• Métodos ML.NET para treinar um modelo de aprendizagem automática
• Dividir conjuntos de dados para ML.NET formação e teste
• Trabalhar com diferentes atributos de dados e casos em ML.NET
• Armazenamento em cache de conjuntos de dados para ML.NET formação de modelos

Avaliação de Machine Learning modelos em ML.NET

• Extração de parâmetros para reciclagem ou inspeção de modelos
• Recolha e registo de ML.NET métricas de modelos
• Analisar o desempenho de um modelo de aprendizagem automática

Inspeção de dados intermédios durante os ML.NET passos de formação do modelo

Utilizar a Importância da Característica de Permutação (PFI) para Interpretação de Previsões de Modelos

Guardar e carregar modelos ML.NET treinados

• ITTransformer e DataViewScheme em ML.NET
• Carregando dados armazenados localmente e remotamente
• Trabalhar com pipelines de modelos de aprendizagem automática em ML.NET

Utilização de um modelo ML.NET treinado para análises e previsões de dados

• Configurar o pipeline de dados para previsões de modelos
• Previsões simples e múltiplas em ML.NET

Otimizar e voltar a treinar um modelo ML.NET Machine Learning

• Algoritmos ML.NET treináveis
• Carregar, extrair e treinar novamente um modelo
• Comparação dos parâmetros de um modelo treinado novamente com o modelo ML.NET anterior

Integração de modelos ML.NET na nuvem

• Implementação de um modelo ML.NET com funções Azure e API Web

Resolução de problemas

Resumo e conclusão