感謝您的預訂!我們的團隊成員將會盡快與您取得聯繫。
感謝您的預訂!我們的團隊成員將會盡快與您取得聯繫。
課程簡介
介紹
安裝和設定適用於 .NET 開發平臺的機器學習 (ML.NET)
- 設置 ML.NET 工具和庫
- ML.NET 支援的作業系統和硬體元件
ML.NET 功能和體系結構概述
- ML.NET 應用程式 Programming 介面 (ML.NET API)
- ML.NET 機器學習演算法和任務
- 使用 Infer.NET 進行概率程式設計
- 確定適當的 ML.NET 依賴關係
ML.NET 模型生成器概述
- 將模型開發器整合到 Visual Studio
- 將自動化機器學習 (AutoML) 與模型生成器結合使用
ML.NET 命令行介面 (CLI) 概述
- 自動機器學習模型生成
- ML.NET CLI 支援的機器學習任務
從 Machine Learning 的資源中獲取和載入數據
- 利用 ML.NET API 進行數據處理
- 創建和定義數據模型的類
- 註釋 ML.NET 個數據模型
- 將數據載入到 ML.NET 框架中的案例
準備數據並將其添加到 ML.NET 框架中
- 使用 ML.NET 篩選操作篩選數據模型
- 使用 ML.NET DataOperationsCatalog 和 IDataView
- ML.NET 數據預處理的歸一化方法
- ML.NET 中的數據轉換
- 使用分類數據生成 ML.NET 模型
實現 ML.NET 機器學習演算法和任務
- 二元類和多類 ML.NET 分類
- ML.NET 中的回歸
- 在 ML.NET 中使用聚類分析對數據實例進行分組
- 異常檢測機器學習任務
- ML.NET 中的排名、推薦和預測
- 為數據集和函數選擇適當的 ML.NET 演算法
- ML.NET 中的數據轉換
- 提高 ML.NET 模型精度的演算法
在 ML.NET 中訓練機器學習模型
- 構建 ML.NET 模型
- ML.NET 訓練機器學習模型的方法
- 拆分數據集以進行 ML.NET 訓練和測試
- 在 ML.NET 中使用不同的數據屬性和案例
- 緩存用於 ML.NET 模型訓練的數據集
在 ML.NET 中評估機器學習模型
- 提取參數以進行模型重新訓練或檢查
- 收集和記錄 ML.NET 個模型指標
- 分析機器學習模型的性能
在 ML.NET 模型訓練步驟中檢查中間數據
利用排列特徵重要性 (PFI) 進行模型預測解釋
保存和載入經過訓練的 ML.NET 個模型
- ML.NET 中的 ITTransformer 和 DataViewScheme
- 載入本地和遠端儲存的數據
- 在 ML.NET 中使用機器學習模型管道
利用經過訓練的 ML.NET 模型進行數據分析和預測
- 設置用於模型預測的數據管道
- ML.NET 中的單個和多個預測
優化和重新訓練 ML.NET 機器學習模型
- 可重新訓練的 ML.NET 演算法
- 載入、提取和重新訓練模型
- 將重新訓練的模型參數與之前的 ML.NET 模型進行比較
將 ML.NET 個模型與雲集成
- 使用 Azure Functions 和 Web API 部署 ML.NET 模型
故障排除
總結和結論
最低要求
- 了解機器學習演算法和庫
- 熟練掌握C#程式設計語言
- 具有 .NET 開發平台的經驗
- 對數據科學工具有基本的瞭解
- 具有基本機器學習應用程序的經驗
觀眾
- 數據科學家
- Machine Learning 開發人員
21 時間: