Schulungsübersicht

Einführung

Installieren und Konfigurieren von Machine Learning für die .NET-Entwicklungsplattform (ML.NET)

  • Einrichten von ML.NET-Tools und -Bibliotheken
  • Von ML.NET unterstützte Betriebssysteme und Hardware-Komponenten

Überblick über ML.NET Funktionen und Architektur

  • Die ML.NET-Anwendungsschnittstelle Programming (ML.NET API)
  • ML.NET Algorithmen und Aufgaben des maschinellen Lernens
  • Probabilistische Programmierung mit Infer.NET
  • Entscheidung über die geeigneten ML.NET-Abhängigkeiten

Überblick über ML.NET Model Builder

  • Integration des Model Builders in Visual Studio
  • Nutzung des automatisierten maschinellen Lernens (AutoML) mit Model Builder

Überblick über die ML.NET Befehlszeilenschnittstelle (CLI)

  • Automatisierte Erzeugung von Modellen für maschinelles Lernen
  • Von ML.NET CLI unterstützte Aufgaben des maschinellen Lernens

Erfassen und Laden von Daten aus Ressourcen für Machine Learning

  • Nutzung der ML.NET API für die Datenverarbeitung
  • Erstellen und Definieren der Klassen von Datenmodellen
  • Annotieren von ML.NET-Datenmodellen
  • Fälle für das Laden von Daten in den ML.NET-Rahmen

Vorbereiten und Hinzufügen von Daten in den ML.NET Rahmen

  • Filtern von Datenmodellen für mit ML.NET Filteroperationen
  • Arbeiten mit ML.NET DataOperationsCatalog und IDataView
  • Normalisierungsansätze für die ML.NET-Datenvorverarbeitung
  • Datenkonvertierung in ML.NET
  • Arbeiten mit kategorischen Daten für ML.NET Modellerstellung

Implementierung von ML.NET Algorithmen und Aufgaben des maschinellen Lernens

  • Binäre und Mehrklassen-Klassifikationen ML.NET
  • Regression in ML.NET
  • Gruppierung von Dateninstanzen mit Clustering in ML.NET
  • Erkennung von Anomalien durch maschinelles Lernen
  • Ranking, Empfehlung und Vorhersage in ML.NET
  • Auswahl des geeigneten ML.NET Algorithmus für einen Datensatz und Funktionen
  • Datentransformation in ML.NET
  • Algorithmen zur Verbesserung der Genauigkeit von ML.NET-Modellen

Training von Machine Learning Modellen in ML.NET

  • Aufbau eines ML.NET Modells
  • ML.NET Methoden zum Trainieren eines maschinellen Lernmodells
  • Aufteilung von Datensätzen für ML.NET Training und Test
  • Arbeiten mit verschiedenen Datenattributen und Fällen in ML.NET
  • Zwischenspeichern von Datensätzen für das ML.NET-Modelltraining

Bewertung von Modellen des maschinellen Lernens in ML.NET

  • Extrahieren von Parametern für die Umschulung oder Überprüfung des Modells
  • Sammeln und Aufzeichnen ML.NET von Modellmetriken
  • Analysieren der Leistung eines Modells für maschinelles Lernen

Prüfung von Zwischendaten während der ML.NET Modellbildungsschritte

Nutzung der Permutationsmerkmalbedeutung (PFI) für die Interpretation von Modellvorhersagen

Speichern und Laden von trainierten ML.NET Modellen

  • ITTransformer und DataViewScheme in ML.NET
  • Laden von lokal und dezentral gespeicherten Daten
  • Arbeiten mit Modellpipelines für maschinelles Lernen in ML.NET

Verwendung eines trainierten ML.NET Modells für Datenanalysen und Vorhersagen

  • Einrichten der Datenpipeline für Modellvorhersagen
  • Einzel- und Mehrfachvorhersagen in ML.NET

Optimierung und Neutraining eines ML.NET maschinellen Lernmodells

  • Nachtrainierbare ML.NET Algorithmen
  • Laden, Extrahieren und erneutes Trainieren eines Modells
  • Vergleich der neu trainierten Modellparameter mit dem vorherigen ML.NET-Modell

Integration von ML.NET Modellen mit der Cloud

  • Bereitstellung eines ML.NET Modells mit Azure-Funktionen und Web-API

Fehlersuche

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Kenntnisse von Algorithmen und Bibliotheken für maschinelles Lernen
  • Starke Beherrschung der Programmiersprache C#
  • Erfahrungen mit .NET-Entwicklungsplattformen
  • Grundlegendes Verständnis von Data Science Tools
  • Erfahrung mit grundlegenden Anwendungen des maschinellen Lernens

Publikum

  • Datenwissenschaftler
  • Machine Learning Entwickler
  21 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Kombinierte Kurse

Verwandte Kategorien