Programmazione di ML.Net

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 8 voti.

Titolo originale:

Programming ML.Net

Contenuto del libro:

La guida per esperti alla creazione di soluzioni di apprendimento automatico di produzione con ML.NET!

ML.NET porta la potenza dell'apprendimento automatico a tutti gli sviluppatori.NET e Programmare ML.NET vi aiuta ad applicarla in soluzioni di produzione reali. Questo libro, ispirato al best seller di Dino Esposito Programmazione ASP.NET, adotta lo stesso approccio basato su scenari che il team di Microsoft ha utilizzato per costruire ML.NET stesso. Dopo una panoramica fondamentale sulle librerie di ML.NET, gli autori illustrano mini-framework ("ML Task") per la regressione, la classificazione, il ranking, il rilevamento di anomalie e altro ancora. Per ogni task di ML, gli autori offrono spunti per superare le sfide più comuni del mondo reale. Infine, andando ben oltre l'apprendimento superficiale, gli autori introducono in modo approfondito le reti neurali ML.NET. Presentano un'applicazione di esempio completa che dimostra i servizi cognitivi avanzati di Microsoft Azure e una rete Keras personalizzata fatta a mano, mostrando come sfruttare i popolari strumenti Python all'interno di.NET.

Il 14 volte MVP di Microsoft Dino Esposito e il figlio Francesco Esposito mostrano come:

⬤ Costruire soluzioni di machine learning più intelligenti e vicine alle esigenze degli utenti.

⬤ Vedere come ML.NET istanzia la classica pipeline di ML e semplifica scenari comuni come l'analisi del sentiment, il rilevamento delle frodi e la previsione dei prezzi.

⬤ Implementare l'elaborazione e l'addestramento dei dati e "produrre" soluzioni software basate sull'apprendimento automatico.

⬤ Passare dalla previsione di base a compiti più complessi, tra cui categorizzazione, rilevamento di anomalie, raccomandazioni e classificazione di immagini.

⬤ Eseguire la classificazione binaria e multiclasse.

⬤ Usare il clustering e l'apprendimento non supervisionato per organizzare i dati in gruppi omogenei.

⬤ Individuare gli outlier per rilevare comportamenti sospetti, frodi, apparecchiature difettose o altri problemi.

⬤ Sfruttate al massimo le potenti e flessibili capacità di previsione di ML.NET.

⬤ Implementare le funzioni correlate di classificazione, raccomandazione e filtraggio collaborativo.

⬤ Costruire rapidamente soluzioni di classificazione delle immagini con l'apprendimento per trasferimento di ML.NET.

⬤ Passare all'apprendimento profondo quando gli algoritmi standard e l'apprendimento superficiale non sono sufficienti.

⬤ Acquistare reti neurali tramite l'API di Azure Cognitive Services o esplorare la possibilità di costruirne di proprie con Keras e TensorFlow.