Curso de Aprendizado de Máquina e IA com ML.NET

Introdução

Instalação e Configuração de Machine Learning para a Plataforma de Desenvolvimento .NET (ML.NET)

• Configuração das ferramentas e bibliotecas do ML.NET
• Sistemas operativos e componentes de hardware suportados pelo ML.NET

Visão Geral dos Recursos e Arquitetura do ML.NET

• A Interface de Programação de Aplicações do ML.NET (ML.NET API)
• Algoritmos e tarefas de machine learning do ML.NET
• Programação probabilística com Infer.NET
• Decisão sobre as dependências apropriadas do ML.NET

Visão Geral do Model Builder do ML.NET

• Integração do Model Builder no Visual Studio
• Utilização de machine learning automatizado (AutoML) com o Model Builder

Visão Geral da Interface de Linha de Comandos do ML.NET (CLI)

• Geração automatizada de modelos de machine learning
• Tarefas de machine learning suportadas pelo ML.NET CLI

Aquisição e Carregamento de Dados de Recursos para Machine Learning

• Utilização da API do ML.NET para processamento de dados
• Criação e definição das classes de modelos de dados
• Anotação de modelos de dados do ML.NET
• Casos para carregamento de dados no framework ML.NET

Preparação e Adição de Dados ao Framework ML.NET

• Filtragem de modelos de dados com operações de filtro do ML.NET
• Trabalho com ML.NET DataOperationsCatalog e IDataView
• Abordagens de normalização para pré-processamento de dados do ML.NET
• Conversão de dados no ML.NET
• Trabalho 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 do 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
• Escolha do 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

• Construção de um modelo do ML.NET
• Métodos do ML.NET para treinar um modelo de machine learning
• Divisão de conjuntos de dados para treinamento e teste no ML.NET
• Trabalho com diferentes atributos e casos de dados no ML.NET
• Cache de conjuntos de dados para treinamento de modelos do ML.NET

Avaliação de Modelos de Machine Learning no ML.NET

• Extração de parâmetros para retreinamento ou inspeção
• Coleta e registo de métricas de modelos do ML.NET
• Análise do desempenho de um modelo de machine learning

Inspeção de Dados Intermediários Durante os Etapas de Treinamento de Modelos do ML.NET

Utilização da Importância de Características por Permutação (PFI) para Interpretação de Previsões de Modelos

Salvar e Carregar Modelos Treinados do ML.NET

• ITTransformer e DataViewScheme no ML.NET
• Carregamento de dados armazenados localmente e remotamente
• Trabalho com pipelines de modelos de machine learning no ML.NET

Utilização de um Modelo Treinado do ML.NET para Análises de Dados e Previsões

• Configuração do pipeline de dados para previsões de modelos
• Previsões únicas e múltiplas no ML.NET

Otimização e Retreinamento de um Modelo de Machine Learning do ML.NET

• Algoritmos do ML.NET retreináveis
• Carregamento, extração e retreinamento de um modelo
• Comparação de parâmetros de modelos retreinados com o modelo anterior do ML.NET

Integração de Modelos do ML.NET com a Nuvem

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

Resolução de Problemas

Resumo e Conclusão