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

Machine Learning mit ML.NET

Machine Learning mit ML.NET

32ae0ae04b5c4f1b29ee9e8826823fbc?s=128

Jörg Neumann

December 01, 2021
Tweet

More Decks by Jörg Neumann

Other Decks in Programming

Transcript

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

  2. JÖRG NEUMANN THEMEN  Frontend Technologies  Mobile Development 

    Machine Learning  Consulting, Coaching, Training KONTAKT  Mail: Joerg.Neumann@Aclue.de  Twitter: @JoergNeumann
  3. Menge Komplexität Personalisierung Selbstlernend Einsatzszenarien WANN BRAUCHT MAN MACHINE LEARNING?

  4. Recommendation Engines Fraud Detection Predictive Maintenance EINSATZFÄLLE

  5. Gesundheitswesen Bots Selbstfahrende Autos EINSATZFÄLLE

  6. Algorithmen Rechenleistung Daten VORAUSSETZUNGEN

  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.
  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
  9. Regeln Daten Antworten Traditionelle Programmierung Antworten Daten Regeln Machine Learning

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

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

  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?
  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
  14. A few things you can do with ML.NET … Was

    kann man damit machen? Samples @ https://github.com/dotnet/machinelearning-samples
  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?
  16. DEMO ML.NET

  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 (in Planung)
  18. DEMO Image Detection

  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