Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Machine Learning mit ML.NET

Machine Learning mit ML.NET

Jörg Neumann

December 01, 2022
Tweet

More Decks by Jörg Neumann

Other Decks in Programming

Transcript

  1. JÖRG NEUMANN | ACLUE GMBH
    @JOERGNEUMANN
    MACHINE LEARNING
    MIT ML.NET

    View Slide

  2. JÖRG NEUMANN
    THEMEN
     Frontend Technologies
     Mobile Development
     Machine Learning
     Consulting, Coaching, Training
    KONTAKT
     Mail: [email protected]
     Twitter: @JoergNeumann

    View Slide

  3. Menge Komplexität Personalisierung Selbstlernend
    Einsatzszenarien
    WANN BRAUCHT MAN MACHINE LEARNING?

    View Slide

  4. Recommendation Engines Fraud Detection Predictive Maintenance
    EINSATZFÄLLE

    View Slide

  5. Gesundheitswesen Bots Selbstfahrende Autos
    EINSATZFÄLLE

    View Slide

  6. Algorithmen
    Rechenleistung
    Daten
    VORAUSSETZUNGEN

    View Slide

  7. TYPEN VON MACHINE LEARNING
    Supervised
    Learning
    Der vorherzusagende Wert
    ist in den Trainingsdaten
    enthalten.
    Unsupervised
    Learning
    Der vorherzusagende Wert
    ist nicht in den Trainingsdaten
    enthalten.
    Reinforcement
    Learning
    Selbstständiges erlernen
    einer Strategie mit Hilfe
    von Feedback.

    View Slide

  8. if(speed<4){
    status=WALKING;
    }
    else if(speed<12){
    status=RUNNING;
    }
    else {
    status=BIKING;
    }
    if(speed<4){
    status=WALKING;
    }
    else {
    status=RUNNING;
    }
    if(speed<4){
    status=WALKING;
    }
    ?
    ML vs. Coding

    View Slide

  9. Regeln
    Daten
    Antworten
    Traditionelle
    Programmierung
    Antworten
    Daten
    Regeln
    Machine
    Learning
    ML vs. Coding

    View Slide

  10. Feature
    Daten Algorithmus Model App
    Label
    Wie funktioniert Machine Learning?

    View Slide

  11. Trainings- und Testdaten
    Training Algorithmus Model Ergebnis
    Test
    Vergleich
    Daten

    View Slide

  12. Entwickler
    › Grundlegendes Verständnis von ML
    › Verwendung von Tools & Libraries
    › Nutzung von vorgefertigten Modellen
    › Entwicklung mit Java, C# oder
    JavaScript
    Data Scientist
    › Tiefes Verständnis von ML
    › Aufbau neuronaler Netze
    › Entwicklung und Optimierung von
    Modellen
    › Entwicklung mit Python oder R
    Was bedeutet das für mich?

    View Slide

  13. Framework für
    .NET Entwickler
    Toos zur leichten
    Entwicklung
    eigener Modelle
    Erweiterbar durch
    TensorFlow & co.
    Production ready
    C#
    F#
    http://dot.net/ml
    ML.NET
    Open Source / Cross Plattform Machine Learning Framework

    View Slide

  14. A few things you can do with ML.NET …
    Was kann man damit machen?
    Samples @ https://github.com/dotnet/machinelearning-samples

    View Slide

  15. ML.NET
    API
    (Code)
    ML.NET
    Model Builder
    (Visual Studio UI)
    ML.NET
    CLI
    (Command-Line
    Interface)
    C# >_
    Wie kann man ML.NET nutzen?

    View Slide

  16. DEMO
    ML.NET

    View Slide

  17. Deep Learning mit ML.NET
     Entwicklung auf Basis vorhandener DNN-basierter Modelle
     Ermöglicht komplexe Lösungen (Computer Vision, Speech, NLP, …)
     Vorgefertigte Modelle (ResNet, Yolo, InceptionV3, WaveNet, …)
     Support für TensorFlow, ONNX, PyTorch

    View Slide

  18. DEMO
    Image Detection

    View Slide

  19. Fazit
     Machine Learning eröffnet neue Möglichkeiten
     Ein grundlegendes Verständnis und das richtige Mindset sind entscheidend
     ML.NET ist ein guter Einstieg für .NET Entwickler
     Azure bietet eine Reihe vorgefertigter Lösungen an

    View Slide