Machine Learning and AI with ML.NET Training Course

Perkenalan

Menginstal dan Mengonfigurasi Machine Learning untuk .NET Development Platform (ML.NET)

• Menyiapkan ML.NET alat dan perpustakaan
• Sistem operasi dan komponen perangkat keras yang didukung oleh ML.NET

Ikhtisar ML.NET Fitur dan Arsitektur

• Antarmuka ML.NET Aplikasi Programming (ML.NET API)
• ML.NET algoritma dan tugas pembelajaran mesin
• Pemrograman probabilistik dengan Infer.NET
• Memutuskan dependensi ML.NET yang sesuai

Ikhtisar ML.NET Pembuat Model

• Mengintegrasikan Pembuat Model ke Visual Studio
• Memanfaatkan pembelajaran mesin otomatis (AutoML) dengan Model Builder

Ikhtisar ML.NET Antarmuka Baris Perintah (CLI)

• Pembuatan model pembelajaran mesin otomatis
• Tugas pembelajaran mesin didukung oleh ML.NET CLI

Memperoleh dan Memuat Data dari Sumber Daya untuk Machine Learning

• Memanfaatkan ML.NET API untuk pengolahan data
• Membuat dan mendefinisikan kelas model data
• Menganotasi ML.NET model data
• Kasus untuk memuat data ke dalam kerangka ML.NET.

Mempersiapkan dan Menambahkan Data Ke Dalam Kerangka ML.NET.

• Memfilter model data dengan operasi filter ML.NET.
• Bekerja dengan ML.NET DataOperationsCatalog dan IDataView
• Pendekatan normalisasi untuk ML.NET pra-pemrosesan data
• Konversi data di ML.NET
• Bekerja dengan data kategorikal untuk pembuatan model ML.NET.

Penerapan ML.NET Machine Learning Algoritma dan Tugas

• Klasifikasi biner dan kelas jamak ML.NET.
• Regresi di ML.NET
• Pengelompokan instance data dengan Clustering di ML.NET
• Tugas pembelajaran mesin Deteksi Anomali
• Pemeringkatan, Rekomendasi, dan Forecasting di ML.NET
• Memilih algoritma ML.NET yang sesuai untuk kumpulan data dan fungsinya
• Transformasi data di ML.NET
• Algoritma untuk meningkatkan akurasi model ML.NET.

Pelatihan Machine Learning Model di ML.NET

• Membangun model ML.NET.
• ML.NET metode untuk melatih model pembelajaran mesin
• Memisahkan kumpulan data untuk ML.NET pelatihan dan pengujian
• Bekerja dengan atribut data dan kasus yang berbeda di ML.NET
• Menyimpan kumpulan data dalam cache untuk pelatihan model ML.NET.

Mengevaluasi Machine Learning Model di ML.NET

• Mengekstraksi parameter untuk pelatihan ulang atau pemeriksaan model
• Mengumpulkan dan mencatat ML.NET metrik model
• Menganalisis kinerja model pembelajaran mesin

Memeriksa Data Menengah Selama ML.NET Langkah Pelatihan Model

Memanfaatkan Pentingnya Fitur Permutasi (PFI) untuk Interpretasi Prediksi Model

Menyimpan dan Memuat Model Terlatih ML.NET.

• ITTransformer dan DataViewScheme di ML.NET
• Memuat data yang disimpan secara lokal dan jarak jauh
• Bekerja dengan pipeline model pembelajaran mesin di ML.NET

Memanfaatkan Model Terlatih ML.NET untuk Analisis dan Prediksi Data

• Menyiapkan pipeline data untuk prediksi model
• Prediksi Tunggal dan Berganda di ML.NET

Mengoptimalkan dan Melatih Ulang Model ML.NET Machine Learning.

• Algoritme yang dapat dilatih ulang ML.NET.
• Memuat, mengekstrak, dan melatih ulang model
• Membandingkan parameter model yang dilatih ulang dengan model sebelumnya ML.NET.

Mengintegrasikan ML.NET Model dengan Cloud

• Menerapkan model ML.NET dengan fungsi Azure dan API web

Penyelesaian masalah

Ringkasan dan Kesimpulan