Купить книгу Практическое машинное обучение с ml.net: начало работы с Microsoft ml.net для реализации популярных алгоритмов машинного обучения на C# на русском [PDF, EPUB, FB2, MOBI]

Создавайте, обучайте и оценивайте различные модели машинного обучения, такие как регрессия, классификация и кластеризация, используя ML.NET, Entity Framework и ASP.NET Core.

Основные характеристики

• Освойте платформу ML.NET, ее компоненты и API, используя практические примеры.
• Узнайте, как создавать, обучать и оценивать популярные алгоритмы машинного обучения с помощью решений ML.NET.
• Расширьте возможности существующих моделей машинного обучения, интегрировав их с TensorFlow и другими библиотеками.

Описание книги

Машинное обучение (МО) широко используется во многих отраслях, таких как наука, здравоохранение и исследования, и его популярность только растет. В марте 2018 года Microsoft представила ML.NET, чтобы помочь энтузиастам .NET в работе с МО. С помощью этой книги вы узнаете, как создавать приложения ML.NET с использованием различных доступных моделей МО, используя код на C#.

Книга начинается с обзора машинного обучения и типов используемых алгоритмов, а также описывает, что такое ML.NET и зачем он нужен для создания приложений машинного обучения. Затем вы изучите фреймворк ML.NET, его компоненты и API. Книга послужит практическим руководством по созданию интеллектуальных приложений с использованием библиотеки ML.NET. Вы постепенно освоите реализацию алгоритмов машинного обучения, таких как регрессия, классификация и кластеризация, на реальных примерах и наборах данных. Каждая глава будет посвящена практической реализации, показывая, как внедрять машинное обучение в приложения .NET. Вы также научитесь интегрировать TensorFlow в приложения ML.NET. Позже вы узнаете, как сохранять результаты прогнозирования цен на жилье, полученные с помощью модели регрессии, в базу данных и отображать прогнозируемые результаты в реальном времени в вашем веб-приложении с использованием ASP.NET Core Blazor и SignalR.

К концу этой книги вы научитесь уверенно выполнять задачи машинного обучения от базового до продвинутого уровня в ML.NET.

Что вы узнаете

• Изучите структуру, компоненты и API ML.NET с использованием C#.
• Разработайте регрессионные модели с использованием ML.NET для анализа текучести кадров и классификации файлов сотрудников.
• Оцените модели классификации для прогнозирования тональности отзывов о ресторанах.
• Работа с моделями кластеризации для классификации типов файлов.
• Используйте обнаружение аномалий для выявления аномалий как в сетевом трафике, так и в истории входов в систему.
• Используйте ASP.NET Core Blazer для создания веб-приложения с поддержкой ML.NET.
• Интеграция предварительно обученных моделей TensorFlow и ONNX в приложение WPF ML.NET для классификации изображений и обнаружения объектов.

Для кого предназначена эта книга?

Если вы .NET-разработчик, желающий реализовать модели машинного обучения с использованием ML.NET, то эта книга для вас. Она также будет полезна специалистам по анализу данных и разработчикам машинного обучения, которые ищут эффективные инструменты для реализации различных алгоритмов машинного обучения. Для эффективного понимания концепций, рассматриваемых в этой книге, необходимо базовое знание C# или .NET.

Оглавление

1. Начало работы с машинным обучением и ML.NET
2. Настройка среды ML.NET
3. Регрессионная модель
4. Модель классификации
5. Модель кластеризации
6. Модель обнаружения аномалий
7. Модель матричной факторизации
8. Использование ML.NET с .NET Core и прогнозирование
9. Использование ML.NET с ASP.NET
10. Использование ML.NET с UWP
11. Обучение и создание производственных моделей
12. Использование TensorFlow с ML.NET
13. Использование ONNX с ML.NET