Programación de ML.Net

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 8 votos.

Título original:

Programming ML.Net

Contenido del libro:

La guía del experto para crear soluciones de aprendizaje automático de producción con ML.NET.

ML.NET pone el poder del aprendizaje automático al alcance de todos los desarrolladores de .NET, y Programming ML.NET le ayuda a aplicarlo en soluciones de producción reales. Siguiendo el modelo del best-seller de Dino Esposito Programming ASP.NET, este libro adopta el mismo enfoque basado en escenarios que el equipo de Microsoft utilizó para crear el propio ML.NET. Tras una visión general de las bibliotecas de ML.NET, los autores presentan mini-marcos ("Tareas ML") para regresión, clasificación, clasificación, detección de anomalías y mucho más. Para cada tarea de ML, ofrecen ideas para superar retos comunes del mundo real. Por último, yendo mucho más allá del aprendizaje superficial, los autores introducen a fondo las redes neuronales de ML.NET. Presentan una aplicación de ejemplo completa que demuestra los servicios cognitivos avanzados de Microsoft Azure y una red Keras personalizada hecha a mano, que muestra cómo aprovechar las herramientas populares de Python dentro de .NET.

El 14 veces MVP de Microsoft Dino Esposito y su hijo Francesco Esposito muestran cómo:

⬤ Construir soluciones de aprendizaje automático más inteligentes y cercanas a las necesidades de sus usuarios.

⬤ Vea cómo ML.NET instanciar la tubería de ML clásico, y simplifica los escenarios comunes, tales como el análisis de sentimiento, detección de fraude, y la predicción de precios.

⬤ Implementar el procesamiento de datos y la formación, y "producir" soluciones de software basadas en el aprendizaje automático.

⬤ Pasar de la predicción básica a tareas más complejas, como la categorización, la detección de anomalías, las recomendaciones y la clasificación de imágenes.

⬤ Realizar clasificaciones binarias y multiclase.

⬤ Utilizar la agrupación y el aprendizaje no supervisado para organizar los datos en grupos homogéneos.

⬤ Identificar valores atípicos para detectar comportamientos sospechosos, fraudes, equipos defectuosos u otros problemas.

⬤ Aprovechar al máximo las potentes y flexibles funciones de previsión de ML.NET.

⬤ Implementar las funciones relacionadas de clasificación, recomendación y filtrado colaborativo.

⬤ Construir rápidamente soluciones de clasificación de imágenes con el aprendizaje por transferencia de ML.NET.

⬤ Pasarse al aprendizaje profundo cuando los algoritmos estándar y el aprendizaje superficial no son suficientes.

⬤ "Compre" redes neuronales a través de la API de Azure Cognitive Services, o explore la creación de las suyas propias con Keras y TensorFlow.