Struttura del corso
Introduzione
Installazione e configurazione di Machine Learning per la piattaforma di sviluppo .NET (ML.NET)
- Impostazione di ML.NET strumenti e librerie
- Sistemi operativi e componenti hardware supportati da ML.NET
Panoramica di ML.NET Funzionalità e architettura
- L'interfaccia dell'applicazione ML.NET Programming (API ML.NET)
- ML.NET algoritmi e attività di machine learning
- Programmazione probabilistica con Infer.NET
- Decidere le dipendenze ML.NET appropriate
Panoramica di ML.NET Model Builder
- Integrazione del Model Builder in Visual Studio
- Utilizzo dell'apprendimento automatico (AutoML) con Model Builder
Panoramica dell'interfaccia della riga di comando (CLI) ML.NET
- Generazione automatizzata di modelli di machine learning
- Attività di Machine Learning supportate dall'interfaccia della riga di comando ML.NET
Acquisizione e caricamento di dati dalle risorse per Machine Learning
- Utilizzo dell'API ML.NET per l'elaborazione dei dati
- Creazione e definizione delle classi di modelli di dati
- Annotazione ML.NET dei modelli di dati
- Casi per il caricamento di dati nel framework ML.NET
Preparazione e aggiunta di dati nel framework ML.NET
- Filtraggio dei modelli di dati per le operazioni di filtro ML.NET
- Utilizzo di ML.NET DataOperationsCatalog e IDataView
- Approcci di normalizzazione per ML.NET pre-elaborazione dei dati
- Conversione dei dati in ML.NET
- Utilizzo dei dati categorici per la generazione di ML.NET modelli
Implementazione di ML.NET algoritmi e attività di apprendimento automatico
- Classificazioni binarie e multiclasse ML.NET
- Regressione in ML.NET
- Raggruppamento di istanze di dati con Clustering in ML.NET
- Attività di Machine Learning per il rilevamento delle anomalie
- Classificazione, raccomandazione e previsione in ML.NET
- Scelta dell'algoritmo ML.NET appropriato per un set di dati e funzioni
- Trasformazione dei dati in ML.NET
- Algoritmi per migliorare l'accuratezza dei modelli ML.NET
Addestramento di modelli di Machine Learning in ML.NET
- Creazione di un modello ML.NET
- ML.NET Metodi per l'addestramento di un modello di Machine Learning
- Suddivisione dei set di dati per ML.NET training e test
- Utilizzo di diversi attributi di dati e case in ML.NET
- Memorizzazione nella cache dei set di dati per ML.NET l'addestramento del modello
Valutazione dei modelli di Machine Learning in ML.NET
- Estrazione dei parametri per la ripetizione del training o l'ispezione del modello
- Raccolta e registrazione ML.NET delle metriche del modello
- Analisi delle prestazioni di un modello di Machine Learning
Ispezione dei dati intermedi durante ML.NET Fasi di addestramento del modello
Utilizzo dell'importanza della caratteristica di permutazione (PFI) per l'interpretazione delle previsioni del modello
Salvataggio e caricamento di modelli addestrati ML.NET
- ITTransformer e DataViewScheme in ML.NET
- Caricamento dei dati archiviati localmente e in remoto
- Utilizzo delle pipeline del modello di Machine Learning in ML.NET
Utilizzo di un modello addestrato ML.NET per l'analisi e la previsione dei dati
- Impostazione della pipeline di dati per le stime del modello
- Previsioni singole e multiple in ML.NET
Ottimizzazione e ripetizione del training di un ML.NET modello di Machine Learning
- Algoritmi riaddestrabili ML.NET
- Caricamento, estrazione e ripetizione del training di un modello
- Confronto dei parametri del modello di cui è stato ripetuto il training con il modello precedente ML.NET
Integrazione ML.NET di modelli con il cloud
- Distribuzione di un modello ML.NET con funzioni di Azure e API Web
Risoluzione dei problemi
Riassunto e conclusione
Requisiti
- Conoscenza di algoritmi e librerie di machine learning
- Forte padronanza del linguaggio di programmazione C#
- Esperienza con piattaforme di sviluppo .NET
- Conoscenza di base degli strumenti di data science
- Esperienza con applicazioni di machine learning di base
Pubblico
- Scienziati dei dati
- Machine Learning Sviluppatori