دوره آموزشی شروع کار با ML.NET
38 دقیقهپیشرفته2021-06-16
مدرسین

Jonathan Wood
Software Developer, Video Creator, and Microsoft AI MVP
جزئیات دوره
اگر می خواهید وارد دنیای مدل های یادگیری ماشین شوید ، اما نمی دانید از کجا شروع کنید ، ML.NET یک کتابخانه یادگیری ماشین نرم افزار رایگان برای #C است که به شما امکان می دهد بدون نیاز به دانستن تمام تئوری های ماشین ، مدل بسازید. یادگیری. در این دوره ، Jonathan Wood شما را با ML.NET آشنا می کند و نشان می دهد که چگونه می توانید از آن برای استفاده از یادگیری ماشین در برنامه های NET استفاده کنید. Jonathan با اصول یادگیری ماشین شروع می شود و هم مواردی را که برای آنها خوب است و هم سناریوهایی را که بهترین گزینه نیست را پوشش می دهد. سپس او به ابزاری می پردازد که می توانید برای کمک به شما در شروع ساخت مدل های یادگیری ماشین استفاده کنید. با پایان این دوره ، شما ایده بهتری در مورد مزایای استفاده از ML.NET و اینکه چرا این یک ابزار عالی برای توسعه دهندگان #C است که علاقه مند به یادگیری ماشین هستند ، خواهید داشت.
مهارت ها
.NETMachine LearningSoftware Development ToolsArtificial Intelligence (AI)MicrosoftSoftware DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - با ML.NET شروع کنید
- 02 - آنچه باید بدانید
1. یادگیری ماشین و ML.NET
- 03 - یادگیری ماشینی چیست
- 04 - یادگیری ماشینی چیست؟
- 05 - وضعیت فعلی یادگیری ماشین
- 06 - ML.NET چیست
- 07 - چرا از ML.NET استفاده کنید
- 08 - استفاده از ML.NET در ویژوال استودیو
2. مقدمه ای بر ML.NET API و ابزار
- 09 - معرفی زمینه ML
- 10 - نگاه سطح بالا به API ML.NET
- 11 - استفاده از ML.NET CLI
- 12 - استفاده از سازنده مدل ML.NET
- 13 - مدل سازی ساختمان با AutoML
- 14 - چالش از API و ابزار ML.NET برای ساخت مدل استفاده کنید
- 15 - راه حل از ML.NET API و ابزار برای ساخت مدل استفاده کنید
نتیجه
- 16 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی یادگیری خودکار ML.NET، متریک و دقت
- دوره آموزشی پردازش زبان طبیعی با ML.NET
- دوره آموزشی کشف دادهکاوی با .NET با استفاده از Polyglot Notebooks و ML.NET
- دوره آموزشی یادگیری ماشین با ML.NET
- دوره آموزشی برنامه های کاربردی دات نت یادگیری ماشین پیشرفته
- دوره آموزشی استفاده از Apache Spark با NET.
- دوره آموزشی آمادگی گواهینامه Google Cloud Professional Machine Learning Engineer: بخش چهارم توسعه مدل های ML
- دوره آموزشی توسعه مدلهای یادگیری ماشین با پایتون و T-SQL
مسیرهای مرتبط
- مسیر آموزشی ارتقا مهارت های خود به عنوان یک متخصص اسپارک آپاچی
- مسیر آموزشی آماده شدن برای آزمون Juniper Networks Certified Associate، Junos (JN0-103)
- مسیر آموزشی گواهینامه حرفهای مبانی آماری یادگیری ماشین
- مسیر آموزشی آماده شدن برای گواهینامه Google Cloud Professional Machine Learning Engineer
- مسیر آموزشی کار با داده: مهندسی، یکپارچهسازی و MLOps برای هوش مصنوعی
- مسیر آموزشی ملزومات MLOps برای برنامهنویسها و مهندسان هوش مصنوعی: ابزارها، پایپلاینها و نکات امنیتی
- مسیر آموزشی تبدیل شدن به یک استاد تحول دیجیتال
- مسیر آموزشی تبدیل شدن به توسعه دهنده اتوماسیون فرآیند رباتیک (RPA)