Programa do Curso
Introdução
Instalação e configuração do aprendizado de máquina para a plataforma de desenvolvimento .NET (ML.NET)
- Configuração das ferramentas e bibliotecas ML.NET
- Sistemas operativos e componentes de hardware suportados por ML.NET
Visão geral das características e da arquitetura da ML.NET
- A interface da aplicação ML.NET Programming (ML.NET API)
- Algoritmos e tarefas de aprendizagem automática ML.NET
- Programação probabilística com Infer.NET
- Decidir sobre as dependências ML.NET adequadas
Descrição geral do ML.NET Model Builder
- Integrar o Model Builder em Visual Studio
- Utilizar a aprendizagem automática de máquinas (AutoML) com o Model Builder
Visão geral da ML.NET Interface de linha de comando (CLI)
- Geração automatizada de modelos de aprendizagem automática
- Tarefas de aprendizagem automática suportadas por ML.NET CLI
Aquisição e carregamento de dados de recursos para Machine Learning
- Utilização da API ML.NET para o tratamento 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 à estrutura ML.NET
- Filtrar modelos de dados para 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 ML.NET geração de modelos
Implementação de ML.NET Algoritmos e tarefas de aprendizagem automática
- Classificação binária 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 previsão 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
Formação de modelos de aprendizagem automática em ML.NET
- Construção de um modelo ML.NET
- [Métodos de formação de 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 modelos de aprendizagem automática em ML.NET
- Extração de parâmetros para reciclagem ou inspeção de modelos
- Recolher e registar ML.NET métricas do modelo
- Analisar o desempenho de um modelo de aprendizagem automática
Inspeção de dados intermédios durante os ML.NET passos de treino do modelo
Utilização da Importância das Características de Permutação (PFI) para a Interpretação de Previsões de Modelos
Guardar e carregar modelos treinados ML.NET
- ITTransformer e DataViewScheme em ML.NET
- Carregar dados armazenados localmente e remotamente
- Trabalhar com pipelines de modelos de aprendizagem automática em ML.NET
Utilização de um modelo treinado ML.NET para análise de dados e previsões
- Configurar o pipeline de dados para previsões de modelos
- Previsões simples e múltiplas em ML.NET
Otimizar e voltar a treinar um ML.NET modelo de aprendizagem automática
- Algoritmos treináveis ML.NET
- Carregar, extrair e voltar a treinar um modelo
- Comparação dos parâmetros do modelo re-treinado com o modelo ML.NET anterior
Integração de modelos ML.NET com a nuvem
- Implementação de um modelo ML.NET com funções do Azure e API Web
Resolução de problemas
Resumo e conclusão
Requisitos
- Conhecimento de algoritmos e bibliotecas de aprendizagem automática
- Forte domínio 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
- Cientistas de dados
- Machine Learning Programadores