Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Programa do Curso
Introdução
Instalando e Configurando a Plataforma de Desenvolvimento de Machine Learning para .NET (ML.NET)
- Configurando ferramentas e bibliotecas do ML.NET
- Sistemas operacionais e componentes de hardware suportados pelo ML.NET
Visão Geral das Funcionalidades e Arquitetura do ML.NET
- A Interface de Programação de Aplicativos do ML.NET (ML.NET API)
- Algoritmos e tarefas de machine learning do ML.NET
- Programação probabilística com Infer.NET
- Decidindo sobre as dependências apropriadas do ML.NET
Visão Geral do Model Builder do ML.NET
- Integrando o Model Builder ao Visual Studio
- Utilizando machine learning automatizado (AutoML) com o Model Builder
Visão Geral da Interface de Linha de Comando do ML.NET (CLI)
- Geração automatizada de modelos de machine learning
- Tarefas de machine learning suportadas pela CLI do ML.NET
Aquisição e Carregamento de Dados de Recursos para Machine Learning
- Utilizando a API do ML.NET para processamento de dados
- Criando e definindo as classes dos modelos de dados
- Anotando modelos de dados do ML.NET
- Casos de carregamento de dados no framework do ML.NET
Preparação e Adição de Dados ao Framework do ML.NET
- Filtrando modelos de dados com operações de filtro do ML.NET
- Trabalhando com DataOperationsCatalog e 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 do ML.NET
Implementação de Algoritmos e Tarefas de Machine Learning do ML.NET
- Classificações binárias e multiclasse com o ML.NET
- Regressão no ML.NET
- Agrupamento de instâncias de dados com Clustering no ML.NET
- Tarefa de machine learning de Detecção de Anomalias
- Classificação, Recomendação e Previsão no ML.NET
- Escolhendo o algoritmo apropriado do ML.NET para um conjunto de dados e funções
- Transformação de dados no ML.NET
- Algoritmos para melhoria da precisão dos modelos do ML.NET
Treinamento de Modelos de Machine Learning no ML.NET
- Construindo um modelo do ML.NET
- Métodos do ML.NET para treinar um modelo de machine learning
- Dividindo conjuntos de dados para treinamento e teste no ML.NET
- Trabalhando com diferentes atributos de dados e casos no ML.NET
- Cache de conjuntos de dados para treinamento de modelos do ML.NET
Avaliação de Modelos de Machine Learning no ML.NET
- Extrair parâmetros para re-treinamento ou inspeção de modelos
- Coletar e registrar métricas de modelos do ML.NET
- Analisar o desempenho de um modelo de machine learning
Inspecionando Dados Intermediários Durante as Etapas de Treinamento de Modelos do ML.NET
Utilizando a Importância das Características por Permutação (PFI) para Interpretar Previsões de Modelos
Salvando e Carregando Modelos Treinados do ML.NET
- ITTransformer e DataViewScheme no ML.NET
- Carregar dados armazenados localmente e remotamente
- Trabalhar com pipelines de modelos de machine learning no ML.NET
Utilizando um Modelo Treinado do ML.NET para Análises e Previsões de Dados
- Configurar o pipeline de dados para previsões de modelos
- Previsões únicas e múltiplas no ML.NET
Otimização e Re-treinamento de um Modelo de Machine Learning do ML.NET
- Algoritmos re-treináveis do ML.NET
- Carregar, extrair e re-treinar um modelo
- Comparar parâmetros de modelos re-treinados com o modelo anterior do ML.NET
Integração de Modelos do ML.NET com a Nuvem
- Implantação de um modelo do ML.NET com funções do Azure e API web
Solução de Problemas
Resumo e Conclusão
Requisitos
- Conhecimento de algoritmos e bibliotecas de aprendizado de máquina
- Domínio avançado da linguagem de programação C#
- Experiência com plataformas de desenvolvimento .NET
- Compreensão básica das ferramentas de ciência de dados
- Experiência com aplicações básicas de aprendizado de máquina
Público-alvo
- Cientistas de Dados
- Desenvolvedores de Aprendizado de Máquina
21 Horas
Declaração de Clientes (2)
o ecossistema de ML não se limita ao MLFlow, mas também inclui o Optuna, hyperopt, Docker e docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Curso - MLflow
Máquina Traduzida
Aproveitei a participação no treinamento Kubeflow, que foi realizado remotamente. Esse treinamento me permitiu consolidar meu conhecimento sobre serviços AWS, K8s e todas as ferramentas DevOps relacionadas ao Kubeflow, que são as bases necessárias para abordar o assunto de forma adequada. Gostaria de agradecer Malawski Marcin por sua paciência e profissionalismo no treinamento e nas dicas sobre práticas recomendadas. Malawski aborda o tema sob diferentes ângulos, com diferentes ferramentas de implantação Ansible, EKS kubectl, Terraform. Agora estou definitivamente convencido de que estou entrando na área correta de aplicação.
Guillaume Gautier - OLEA MEDICAL | Improved diagnosis for life TM
Curso - Kubeflow
Máquina Traduzida
