Course Outline

Εισαγωγή

Εγκατάσταση και διαμόρφωση Machine Learning για .NET Development Platform (ML.NET)

    Ρύθμιση ML.NET εργαλείων και βιβλιοθηκών Λειτουργικά συστήματα και στοιχεία υλικού που υποστηρίζονται από ML.NET

Επισκόπηση ML.NET Χαρακτηριστικά και Αρχιτεκτονική

    Η εφαρμογή ML.NET Programming Διασύνδεση (ML.NET API) Αλγόριθμοι μηχανικής εκμάθησης ML.NET και εργασίες Πιθανοτικός προγραμματισμός με το Infer.NET Αποφασίζοντας για τις κατάλληλες εξαρτήσεις ML.NET

Επισκόπηση του ML.NET Model Builder

    Ενσωμάτωση του Model Builder στο Visual Studio Χρήση της αυτοματοποιημένης μηχανικής εκμάθησης (AutoML) με το Model Builder

Επισκόπηση της ML.NET διεπαφής γραμμής εντολών (CLI)

    Δημιουργία μοντέλων αυτοματοποιημένης μηχανικής μάθησης Εργασίες μηχανικής μάθησης που υποστηρίζονται από ML.NET CLI

Απόκτηση και φόρτωση δεδομένων από πόρους για Machine Learning

    Χρήση του ML.NET API για επεξεργασία δεδομένων Δημιουργία και καθορισμός των κατηγοριών μοντέλων δεδομένων Σχολιασμός ML.NET μοντέλων δεδομένων Περιπτώσεις για φόρτωση δεδομένων στο πλαίσιο ML.NET

Προετοιμασία και προσθήκη δεδομένων στο ML.NET πλαίσιο

    Φιλτράρισμα μοντέλων δεδομένων για λειτουργίες φίλτρου με ML.NET Εργασία με ML.NET Προσεγγίσεις DataOperationsCatalog και IDataView κανονικοποίησης για ML.NET προεπεξεργασία δεδομένων Μετατροπή δεδομένων σε ML.NET Εργασία με κατηγορικά δεδομένα για ML.NET δημιουργία μοντέλου

Εφαρμογή ML.NET Αλγορίθμων και Εργασιών Μηχανικής Μάθησης

    Ταξινομήσεις δυαδικών και πολλαπλών κλάσεων ML.NET Παλινδρόμηση σε ML.NET Ομαδοποίηση στιγμιότυπων δεδομένων με ομαδοποίηση σε ML.NET εργασία μηχανικής μάθησης ανίχνευσης ανωμαλιών Κατάταξη, σύσταση και πρόβλεψη σε ML.NET Επιλογή του κατάλληλου ML.NET αλγορίθμου για ένα σύνολο δεδομένων και συναρτήσεις Μετασχηματισμός δεδομένων σε ML.NET Αλγόριθμους για βελτιωμένη ακρίβεια των ML.NET μοντέλων

Εκπαίδευση μοντέλων μηχανικής μάθησης στο ML.NET

    Δημιουργία ML.NET μοντέλου ML.NET μεθόδων για την εκπαίδευση ενός μοντέλου μηχανικής εκμάθησης Διαχωρισμός συνόλων δεδομένων για ML.NET εκπαίδευση και δοκιμή Εργασία με διαφορετικά χαρακτηριστικά δεδομένων και περιπτώσεις στο ML.NET Αποθήκευση συνόλων δεδομένων προσωρινής αποθήκευσης για εκπαίδευση μοντέλων ML.NET

Αξιολόγηση μοντέλων μηχανικής μάθησης στο ML.NET

    Εξαγωγή παραμέτρων για επανεκπαίδευση ή επιθεώρηση μοντέλων Συλλογή και καταγραφή ML.NET μετρήσεων μοντέλων Ανάλυση της απόδοσης ενός μοντέλου μηχανικής μάθησης

Επιθεώρηση ενδιάμεσων δεδομένων κατά τα ML.NET Βήματα Εκπαίδευσης Μοντέλου

Χρήση της Σημασίας Χαρακτηριστικού Μετάθεσης (PFI) για την Ερμηνεία Προβλέψεων Μοντέλου

Αποθήκευση και φόρτωση εκπαιδευμένων ML.NET μοντέλων

    ITTtransformer και DataViewScheme στο ML.NET Φόρτωση τοπικά και απομακρυσμένα αποθηκευμένα δεδομένα Εργασία με αγωγούς μοντέλων μηχανικής εκμάθησης στο ML.NET

Χρησιμοποιώντας ένα εκπαιδευμένο ML.NET μοντέλο για αναλύσεις και προβλέψεις δεδομένων

    Ρύθμιση της γραμμής δεδομένων για προβλέψεις μοντέλων Μεμονωμένες και πολλαπλές προβλέψεις στο ML.NET

Βελτιστοποίηση και επανεκπαίδευση ενός ML.NET Μοντέλου Μηχανικής Μάθησης

    Επανεκπαιδεύσιμοι ML.NET αλγόριθμοι Φόρτωση, εξαγωγή και επανεκπαίδευση μοντέλου Σύγκριση παραμέτρων επανεκπαιδευμένου μοντέλου με προηγούμενο μοντέλο ML.NET

Ενσωμάτωση ML.NET μοντέλων με το The Cloud

    Ανάπτυξη ενός μοντέλου ML.NET με λειτουργίες Azure και web API

Αντιμετώπιση προβλημάτων

Περίληψη και Συμπέρασμα

Requirements

  • Γνώση αλγορίθμων μηχανικής μάθησης και βιβλιοθηκών
  • Ισχυρή γνώση της γλώσσας προγραμματισμού C#
  • Εμπειρία με πλατφόρμες ανάπτυξης .NET
  • Βασική κατανόηση των εργαλείων της επιστήμης δεδομένων
  • Εμπειρία με βασικές εφαρμογές μηχανικής εκμάθησης

Ακροατήριο

  • Επιστήμονες Δεδομένων
  • Machine Learning Προγραμματιστές
  21 Hours
 

Number of participants


Starts

Ends


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

Related Courses

Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation

  21 Hours

Related Categories