Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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: