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
  21 horas
 

Cursos Relacionados

Categorias Relacionadas