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.
课程大纲
介绍
安装和配置适用于 .NET 开发平台的机器学习 (ML.NET)
- 设置 ML.NET 工具和库
- ML.NET 支持的操作系统和硬件组件
ML.NET 功能和体系结构概述
- ML.NET 应用程序 Programming 接口 (ML.NET API)
- ML.NET 机器学习算法和任务
- 使用 Infer.NET 进行概率编程
- 确定适当的 ML.NET 依赖关系
ML.NET 模型生成器概述
- 将模型开发器集成到 Visual Studio
- 将自动化机器学习 (AutoML) 与模型生成器结合使用
ML.NET 命令行界面 (CLI) 概述
- 自动机器学习模型生成
- ML.NET CLI 支持的机器学习任务
从 Machine Learning 的资源中获取和加载数据
- 利用 ML.NET API 进行数据处理
- 创建和定义数据模型的类
- 注释 ML.NET 个数据模型
- 将数据加载到 ML.NET 框架中的案例
准备数据并将其添加到 ML.NET 框架中
- 使用 ML.NET 筛选操作筛选数据模型
- 使用 ML.NET DataOperationsCatalog 和 IDataView
- ML.NET 数据预处理的归一化方法
- ML.NET 中的数据转换
- 使用分类数据生成 ML.NET 模型
实现 ML.NET 机器学习算法和任务
- 二元类和多类 ML.NET 分类
- ML.NET 中的回归
- 在 ML.NET 中使用聚类分析对数据实例进行分组
- 异常检测机器学习任务
- ML.NET 中的排名、推荐和预测
- 为数据集和函数选择适当的 ML.NET 算法
- ML.NET 中的数据转换
- 提高 ML.NET 模型精度的算法
在 ML.NET 中训练机器学习模型
- 构建 ML.NET 模型
- ML.NET 训练机器学习模型的方法
- 拆分数据集以进行 ML.NET 训练和测试
- 在 ML.NET 中使用不同的数据属性和案例
- 缓存用于 ML.NET 模型训练的数据集
在 ML.NET 中评估机器学习模型
- 提取参数以进行模型重新训练或检查
- 收集和记录 ML.NET 个模型指标
- 分析机器学习模型的性能
在 ML.NET 模型训练步骤中检查中间数据
利用排列特征重要性 (PFI) 进行模型预测解释
保存和加载经过训练的 ML.NET 个模型
- ML.NET 中的 ITTransformer 和 DataViewScheme
- 加载本地和远程存储的数据
- 在 ML.NET 中使用机器学习模型管道
利用经过训练的 ML.NET 模型进行数据分析和预测
- 设置用于模型预测的数据管道
- ML.NET 中的单个和多个预测
优化和重新训练 ML.NET 机器学习模型
- 可重新训练的 ML.NET 算法
- 加载、提取和重新训练模型
- 将重新训练的模型参数与之前的 ML.NET 模型进行比较
将 ML.NET 个模型与云集成
- 使用 Azure Functions 和 Web API 部署 ML.NET 模型
故障 排除
总结和结论
要求
- 了解机器学习算法和库
- 熟练掌握C#编程语言
- 具有 .NET 开发平台的经验
- 对数据科学工具有基本的了解
- 具有基本机器学习应用程序的经验
观众
- 数据科学家
- Machine Learning 开发人员
21 小时