Corso di formazione Machine Learning and AI with ML.NET

Introduzione

Installazione e configurazione Machine Learning per la piattaforma di sviluppo .NET (ML.NET)

• Configurazione di ML.NET strumenti e librerie
• Sistemi operativi e componenti hardware supportati da ML.NET

Panoramica delle caratteristiche e dell'architettura di ML.NET

• L'interfaccia ML.NET dell'applicazione Programming (ML.NET API)
• ML.NET Algoritmi e attività di apprendimento automatico
• Programmazione probabilistica con Infer.NET
• Decidere le dipendenze appropriate ML.NET

Panoramica di ML.NET Model Builder

• Integrazione del Model Builder in Visual Studio
• Utilizzo dell'apprendimento automatico automatizzato (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 dei modelli di dati
• Annotazione di ML.NET 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 con ML.NET
• Utilizzo di ML.NET DataOperationsCatalog e IDataView
• Approcci di normalizzazione per la pre-elaborazione dei dati ML.NET
• Conversione dei dati in ML.NET
• Utilizzo dei dati categorici per la generazione di modelli ML.NET

Implementazione di algoritmi e attività ML.NET Machine Learning

• Classificazioni binarie e multiclasse ML.NET
• Regressione in ML.NET
• Raggruppamento delle istanze di dati con il clustering in ML.NET
• Attività di Machine Learning per il rilevamento delle anomalie
• Classificazione, raccomandazione e Forecasting in ML.NET
• Scegliere l'algoritmo ML.NET appropriato per un set di dati e funzioni
• Trasformazione dei dati in ML.NET
• Algoritmi per una maggiore precisione dei modelli ML.NET

Formazione Machine Learning Modelli in ML.NET

• Costruire un modello ML.NET
• ML.NET Metodi per l'addestramento di un modello di apprendimento automatico
• Suddivisione di set di dati per ML.NET training e test
• Lavorare con diversi attributi di dati e casi in ML.NET
• Memorizzazione nella cache dei set di dati per l'addestramento del modello ML.NET

Valutazione Machine Learning Modelli in ML.NET

• Estrazione dei parametri per la ripetizione del training o l'ispezione del modello
• Raccolta e registrazione delle metriche del modello ML.NET
• Analisi delle prestazioni di un modello di Machine Learning

Ispezione dei dati intermedi durante le fasi di addestramento del modello ML.NET

Utilizzo dell'importanza della funzione di permutazione (PFI) per l'interpretazione delle previsioni del modello

Salvataggio e caricamento dei modelli addestrati ML.NET

• ITTransformer e DataViewScheme in ML.NET
• Caricamento dei dati archiviati localmente e in remoto
• Utilizzo delle pipeline del modello di apprendimento automatico in ML.NET

Utilizzo di un modello addestrato ML.NET per l'analisi dei dati e le previsioni

• Configurazione della pipeline di dati per le previsioni del modello
• Previsioni singole e multiple in ML.NET

Ottimizzazione e riaddestramento di un modello ML.NET Machine Learning

• Algoritmi riaddestrabili ML.NET
• Caricamento, estrazione e ripetizione del training di un modello
• Confronto dei parametri del modello riaddestrato con il modello precedente ML.NET

Integrazione di ML.NET modelli con il cloud

• Distribuzione di un modello ML.NET con funzioni Azure e API Web

Risoluzione dei problemi

Riassunto e conclusione