Cursusaanbod

Inleiding

Installeren en configureren van Machine Learning voor de .NET-ontwikkelingsplatform (ML.NET)

  • Instellen van de ML.NET-tools en bibliotheken
  • Besturingssystemen en hardwarecomponenten die worden ondersteund door ML.NET

Overzicht van ML.NET-functies en architectuur

  • De ML.NET Application Programming Interface (ML.NET API)
  • ML.NET machine learning-algoritmen en taken
  • Waarschijnlijkheidsprogrammering met Infer.NET
  • Kies de juiste ML.NET-afhankelijkheden

Overzicht van ML.NET Model Builder

  • Integratie van de Model Builder in Visual Studio
  • Gebruik maken van automatische machine learning (AutoML) met Model Builder

Overzicht van ML.NET Command-Line Interface (CLI)

  • Automatische generatie van machine learningmodellen
  • Machine learning-taken die worden ondersteund door de ML.NET CLI

Verzamelen en laden van gegevens uit bronnen voor machine learning

  • Gebruik maken van de ML.NET API voor gegevensverwerking
  • Creëren en definiëren van de klassen van gegevensmodellen
  • ML.NET gegevensmodellen annoteren
  • Gevalstudies voor het laden van gegevens in het ML.NET-framework

Voorbereiden en invoegen van gegevens in het ML.NET-framework

  • Gegevensmodellen filteren met ML.NET filteroperaties
  • Werken met de ML.NET DataOperationsCatalog en IDataView
  • Normalisatiemethoden voor ML.NET gegevensvoorbewerking
  • Gegevensconversie in ML.NET
  • Werken met categoriale gegevens voor de generatie van ML.NET-modellen

Implementeren van ML.NET machine learning-algoritmen en taken

  • Binaire en multiclasse ML.NET-classificaties
  • Regressie in ML.NET
  • Groeperen van gegevensinstanties met clustering in ML.NET
  • Machine learning-taak voor afwijkingsdetectie
  • Rangschikken, aanbevelen en voorspellen in ML.NET
  • Kies de juiste ML.NET-algoritme voor een dataset en functies
  • Gegevenstransformatie in ML.NET
  • Algoritmen voor verbeterde nauwkeurigheid van ML.NET-modellen

Trainen van machine learning-modellen in ML.NET

  • Bouwen van een ML.NET-model
  • ML.NET-methoden voor het trainen van een machine learning-model
  • Datasets splitsen voor ML.NET-training en testen
  • Werken met verschillende gegevensattributen en gevallen in ML.NET
  • Caching van datasets voor ML.NET-modeltraining

Evaluatie van machine learning-modellen in ML.NET

  • Parameters extraheren voor opnieuw trainen of inspecteren
  • ML.NET modelmetriken verzamelen en registreren
  • Analyseren van de prestaties van een machine learning-model

Bekijken van tussenliggende gegevens tijdens de ML.NET-modeltrainingstappen

Gebruiken van Permutation Feature Importance (PFI) voor interpretatie van modelvoorspellingen

Opslaan en laden van getrainde ML.NET-modellen

  • ITTransformer en DataViewScheme in ML.NET
  • Laden van lokaal en extern opgeslagen gegevens
  • Werken met machine learning modelpipelines in ML.NET

Gebruiken van een getraind ML.NET-model voor gegevensanalyses en voorspellingen

  • Instellen van de gegevenspipeline voor modelvoorspellingen
  • Enkelvoudige en meervoudige voorspellingen in ML.NET

Optimaliseren en opnieuw trainen van een ML.NET machine learning-model

  • Opnieuw traineerbare ML.NET-algoritmen
  • Laden, extraheren en opnieuw trainen van een model
  • Vergelijken van de parameters van opnieuw getrainde modellen met eerdere ML.NET-modellen

Integreeren van ML.NET-modellen met de Cloud

  • Deployen van een ML.NET-model met Azure-functies en een web API

Probleemoplossing

Samenvoeging en conclusie

Vereisten

  • Kennis van machine learning algoritmen en bibliotheken
  • Sterke beheersing van de C# programmeertaal
  • Ervaring met .NET-ontwikkelingsplatforms
  • Basiskennis van data science hulpmiddelen
  • Ervaring met basis machine learning toepassingen

Publiek

  • Data Scientists
  • Machine Learning Developers
 21 Uren

Leveringsopties

PRIVÉGROEPSTRAINING

Onze identiteit draait om het leveren van precies wat onze klanten nodig hebben.

  • Pre-cursusgesprek met uw trainer
  • Aanpassing van de leerervaring om uw doelen te bereiken -
    • Op maat gemaakte overzichten
    • Praktische, praktische oefeningen met gegevens / scenario's die herkenbaar zijn voor de cursisten
  • Training gepland op een datum naar keuze
  • Gegeven online, op locatie/klaslokaal of hybride door experts die ervaring uit de echte wereld delen

Private Group Prices RRP from €6840 online delivery, based on a group of 2 delegates, €2160 per additional delegate (excludes any certification / exam costs). We recommend a maximum group size of 12 for most learning events.

Neem contact met ons op voor een exacte offerte en om onze laatste promoties te horen


OPENBARE TRAINING

Kijk op onze public courses

Reviews (2)

Voorlopige Aankomende Cursussen

Gerelateerde categorieën