Machine Learning and AI with ML.NET Eğitimi

Giriş

Machine Learning için .NET Geliştirme Platformunun Kurulumu ve Yapılandırılması (ML.NET)

• ML.NET araçlarının ve kütüphanelerinin kurulumu
• ML.NET tarafından desteklenen işletim sistemleri ve donanım bileşenleri

ML.NET Özellikleri ve Mimarisine Genel Bakış

• ML.NET Uygulama Programming Arayüzü (ML.NET API)
• ML.NET makine öğrenimi algoritmaları ve görevleri
• Infer.NET ile olasılıksal programlama
• Uygun ML.NET bağımlılıklarının belirlenmesi

ML.NET Model Oluşturucuya Genel Bakış

• Model Oluşturucunun Visual Studio ile entegrasyonu
• Model Oluşturucu ile otomatik makine öğrenimi (AutoML) kullanımı

ML.NET Komut Satırı Arayüzüne (CLI) Genel Bakış

• Otomatik makine öğrenimi modeli oluşturma
• ML.NET CLI tarafından desteklenen makine öğrenimi görevleri

Machine Learning için Kaynaklardan Veri Edinme ve Yükleme

• ML.NET API'sinin veri işleme için kullanılması
• Veri modeli sınıflarının oluşturulması ve tanımlanması
• ML.NET veri modellerinin açıklama eklenmesi
• ML.NET çerçevesine veri yükleme durumları

ML.NET Çerçevesine Veri Hazırlama ve Ekleme

• ML.NET filtre işlemleri ile veri modeli filtreleme
• ML.NET DataOperationsCatalog ve IDataView ile çalışma
• ML.NET içinde farklı veri öznitelikleri ve durumlarla çalışma
• ML.NET model eğitimi için veri kümelerinin önbelleğe alınması

Machine Learning Modellerini ML.NET içinde Eğitme

• ML.NET model oluşturma
• ML.NET makine öğrenimi modelini eğitme yöntemleri
• ML.NET eğitim ve test için veri kümelerinin bölünmesi
• ML.NET içinde farklı veri öznitelikleri ve durumlarla çalışma
• ML.NET model eğitimi için veri kümelerinin önbelleğe alınması

Machine Learning Modellerini ML.NET içinde Değerlendirme

• Model yeniden eğitimi veya inceleme için parametrelerin çıkarılması
• ML.NET model metriklerinin toplanması ve kaydedilmesi
• Bir makine öğrenimi modelinin performansının analiz edilmesi

ML.NET Model Eğitim Adımları Sırasında Ara Verileri İnceleme

Model Tahminlerinin Yorumlanması için Permütasyon Özellik Öneminin (PFI) Kullanılması

Eğitilmiş ML.NET Modellerini Kaydetme ve Yükleme

• ITTransformer ve DataViewScheme ML.NET içinde
• Yerel ve uzaktan depolanan verilerin yüklenmesi
• ML.NET içinde makine öğrenimi model işlem hatları ile çalışma

Veri Analizi ve Tahminleri için Eğitilmiş ML.NET Modelinin Kullanılması

• Model tahminleri için veri işlem hattının kurulması
• ML.NET içinde tekli ve çoklu tahminler

ML.NET Machine Learning Modelini Optimize Etme ve Yeniden Eğitme

• Yeniden eğitilebilir ML.NET algoritmaları
• Bir modeli yükleme, çıkarma ve yeniden eğitme
• Yeniden eğitilmiş model parametrelerinin önceki ML.NET modeli ile karşılaştırılması

ML.NET Modellerinin Bulut ile Entegrasyonu

• ML.NET modelinin Azure işlevleri ve web API'si ile dağıtılması

Sorun Giderme

Özet ve Sonuç