Machine Learning and AI with ML.NET Training Course

Giới thiệu

Cài đặt và Cấu hình Machine Learning cho Nền tảng Phát triển .NET (ML.NET)

• Thiết lập các công cụ và thư viện ML.NET
• Hệ điều hành và các thành phần phần cứng được hỗ trợ bởi ML.NET

Tổng quan về Tính năng và Kiến trúc ML.NET

• Giao diện ML.NET Ứng dụng (ML.NET API)
• Các thuật toán và tác vụ học máy của ML.NET
• Lập trình xác suất với Infer.NET
• Quyết định các phụ thuộc ML.NET phù hợp

Tổng quan về Model Builder ML.NET

• Tích hợp Model Builder với Visual Studio
• Sử dụng học máy tự động (AutoML) với Model Builder

Tổng quan về Giao diện Dòng lệnh (CLI) ML.NET

• Tạo mô hình học máy tự động
• Các tác vụ học máy được hỗ trợ bởi ML.NET CLI

Thu thập và Tải Dữ liệu từ Tài nguyên cho Machine Learning

• Sử dụng ML.NET API để xử lý dữ liệu
• Tạo và xác định các lớp mô hình dữ liệu
• Chú thích mô hình dữ liệu ML.NET
• Các trường hợp tải dữ liệu vào khung ML.NET

Chuẩn bị và Thêm Dữ liệu vào Khung ML.NET

• Lọc mô hình dữ liệu bằng các thao tác lọc ML.NET
• Làm việc với ML.NET DataOperationsCatalog và IDataView
• Các phương pháp chuẩn hóa cho tiền xử lý dữ liệu ML.NET
• Chuyển đổi dữ liệu trong ML.NET
• Làm việc với dữ liệu phân loại cho tạo mô hình ML.NET

Triển khai ML.NET Machine Learning Thuật toán và Tác vụ

• Phân loại nhị phân và đa lớp ML.NET
• Hồi quy trong ML.NET
• Nhóm các thể hiện dữ liệu bằng Clustering trong ML.NET
• Tác vụ phát hiện bất thường (Anomaly Detection) trong học máy
• Xếp hạng, Đề xuất và Forecasting trong ML.NET
• Chọn thuật toán ML.NET phù hợp cho một tập dữ liệu và các hàm
• Chuyển đổi dữ liệu trong ML.NET
• Thuật toán cải thiện độ chính xác của mô hình ML.NET

Huấn luyện Mô hình Machine Learning trong ML.NET

• Xây dựng mô hình ML.NET
• Phương pháp ML.NET để huấn luyện mô hình học máy
• Chia tập dữ liệu để huấn luyện và kiểm tra ML.NET
• Làm việc với các thuộc tính và trường hợp dữ liệu khác nhau trong ML.NET
• Lưu trữ bộ dữ liệu để huấn luyện mô hình ML.NET

Đánh giá Mô hình Machine Learning trong ML.NET

• Trích xuất các tham số để huấn luyện lại hoặc kiểm tra
• Thu thập và ghi lại các chỉ số mô hình ML.NET
• Phân tích hiệu suất của mô hình học máy

Kiểm tra Dữ liệu Trung gian Trong Các Bước Huấn luyện Mô hình ML.NET

Sử dụng Tầm quan trọng của Tính năng Hoán vị (Permutation Feature Importance - PFI) để Giải thích Dự đoán Mô hình

Lưu và Tải Mô hình ML.NET đã Huấn luyện

• ITTransformer và DataViewScheme trong ML.NET
• Tải dữ liệu được lưu trữ cục bộ và từ xa
• Làm việc với các đường dẫn mô hình học máy trong ML.NET

Sử dụng Mô hình ML.NET đã Huấn luyện để Phân tích Dữ liệu và Dự đoán

• Thiết lập đường dẫn dữ liệu cho dự đoán mô hình
• Dự đoán đơn và nhiều trong ML.NET

Tối ưu hóa và Huấn luyện lại Mô hình ML.NET Machine Learning

• Thuật toán ML.NET có thể huấn luyện lại
• Tải, trích xuất và huấn luyện lại mô hình
• So sánh các tham số mô hình đã huấn luyện lại với mô hình ML.NET trước đó

Tích hợp Mô hình ML.NET với Đám mây

• Triển khai mô hình ML.NET với các hàm Azure và API web

Khắc phục sự cố

Tóm tắt và Kết luận