Machine Learning mit ML.NET

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
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