DivaConf24

Kadın Yazılımcı'nın düzenlemiş olduğu Diva Konferansı için gerçekleştirmiş olduğum ML.Net sunumu

Transcript

1. GELECEĞİN KODLAYICILARI İÇİN ML.NET Kardel Rüveyda Çetin Expert Software Engineer
2. Neden bu konuyu seçtim? Dost mu? Düşman mı? Yazılımcı olarak ML Yol Haritam Yapay Zeka ve Makine Öğrenimi (AI ve ML) Nedir? 2 4 3 5 Ben Kimim? 1 Geleneksel vs Modern Yaklaşım 6 Makine öğreniminde yaygın diller 7 ML.Net Mimarisi ML.Net Nedir? ML.NET ile ilgili Merak Edilen Sorular 9 10 ML.Net Kurulumu nasıl gerçekleşir? 11 ML.Net nerelerde kullanılabilir? 12 ML.NET ile Makine Öğrenimine Başlamanın Yolları 13 ML.Net Performansı 14 DEMO 15 8
3. BEN KİMİM? 2023- YILDIZ TECHNICAL UNIVERSİTY Mathematical Engineering (Licentiate Degree) YILDIZ TECHNICAL UNIVERSİTY Computer Engineering/IT (Master's Degree (Non-Thesis)) 2013-2018 2019-2020 YILDIZ TECHNICAL UNIVERSİTY Mathematical Engineering (Master's Degree (Thesis)) 2021-.. DOĞUŞ TEKNOLOJİ Software Support Asistant Specialist Software Asistant Specialist Software Specialist 2018-2021 KARİYER.NET Software Specialist Senior Software Specialist Expert Software Engineer Mavi (2016) Overtech (2017) INTERNSHIPS Junior Frontend Developer 2018 ICONEC WAVE kardelruveydacetin KardelRuveyda @ruveydakardelcetin
4. Neden bu konuyu seçtim? Jensen Huang Kodlama öğrenmeyin, bu işi artık yapay zeka yapacak.
5. “İnsan beyni öyle yapılandırılmıştır ki, ne olursa olsun hiçbir şey oluşturamaz. Ancak dışarıdan elde edilmiş malzemeyi kullanabilir. Sadece bir makinedir ve otomatik olarak çalışır, irade gücüyle değil. Kendi üzerinde hiçbir komutası yoktur. İnsan bir makinedir ve makineler yaratmazlar.” Mark Twain-İnsan Sadece bir makine mi?
6. Yazılımcı olarak ML Yol Haritam
7. Yazılımcı olarak ML Yol Haritam Python vs R vs Java Temel Python Programlama Veri Manipulasyonu: Numpy ve Pandas Görselleştirme: Matplotlib vs Seaborn Makine Öğrenmesi: Sckit-Learn Derin Öğrenme: Tensorflow- Pytorch,RNN CNN Lineer Cebir Calculus İstatistik Olasılık Teorisi Optimizasyon Teorisi Doğrusal Programlama Bilgisayar Bilimi ve Algoritmalar Büyük veri işleme
8. Yazılımcı olarak ML Yol Haritam Matlab Text Analytics Toolbox ile Duygu Analizi Deneyimi SVM ile Ham&Spam Maillerin Tespit Edilmesi Python ile Makine Öğrenimi Kullanarak Sathe Haber Tahmini
9. Yazılımcı olarak ML Yol Haritam Reinforcement Learning’in Derinlemesine Analizi: Ödüllerle Dolu Öğrenme Macerası Langchain Seyir Defterim Yazılımcılar için Yapay Zeka Yolculuğu
10. Yazılımcı olarak ML Yol Haritam ML .NET: Makine Öğreniminde Yeni Yollar OpenAI .NET API Kullanımı: Yapay Zeka Gücünü .NET Projelerinize Taşıyın Thor ve Loki Gibi:LangChain ve LangGraph’ın Güçlü İş Birliği
11. Makine Öğreniminde Top 10 Kelimeler
12. Dost mu yoksa düşman mı?
13. Makine öğreniminde yaygın programlama dilleri Python Java R C++ Julia Javascript Scala C#
14. ML.Net Nedir? Ne zaman? ML.NET, Microsoft’un iç kullanımı için on yılı aşkın bir süredir geliştirdiği bir araçtır. Ancak, Mayıs 2018'de açık kaynak olarak kamuoyuna sunuldu. ML.NET, Microsoft tarafından geliştirilen ve .NET geliştiricilerinin kendi uygulamalarına makine öğrenimi yetenekleri eklemelerine olanak tanıyan açık kaynaklı bir kütüphanedir. C# veya F# gibi .NET dillerinde makine öğrenimi modelleri oluşturmak ve entegre etmek için tasarlanmıştır. Hangi sürümde? ML.NET şu anda 3.0 sürümündedir. Bu sürüm, daha önceki sürümlerde bulunan birçok özelliği geliştirmenin yanı sıra, daha verimli algoritma seçimleri, daha iyi model değerlendirme araçları ve daha geniş model dağıtım seçenekleri sunmaktadır. Ayrıca, otomatik makine öğrenimi (AutoML) özelliği, geliştiricilere en iyi modeli otomatik olarak seçme ve ayarlama imkanı tanır.
15. ML.Net Mimarisi Veri Yükleme Veri Toplama Veri Temizleme ve Hazırlama Model Seçimi Model Değerlendirme Tahmin Yapma (Inference) Model Eğitimi Modelin Dağıtımı (Deploy)
16. ML.NET ile ilgili Merak Edilen Sorular ML.NET Modellerini Hangi Tür Uygulamalara Dağıtabilirsiniz? ML.NET, web uygulamaları ve hizmetler,mikroservisler/konteynerle r, masaüstü uygulamaları (WPF ve WinForms), Azure Functions ve diğer Azure sunucu uygulamaları ile konsol uygulamaları dahil olmak üzere hemen hemen tüm .NET uygulamalarıyla kullanılabilir. ML.NET Modellerini Hangi Tür Uygulamalara Dağıtabilirsiniz? ML.NET, .NET, .NET Core (sürüm 2.0 ve üstü) ve .NET Framework (sürüm 4.6.1 ve üstü) ile uyumludur. ML.NET Hangi İşletim Sistemlerinde Kullanılabilir? ML.NET, Windows, Linux ve macOS dahil olmak üzere çeşitli işletim sistemlerinde çalışabilen platformlar arası bir kütüphanedir. ML.NET İçin En Uygun Programlama Dili Hangisidir? ML.NET şu anda hem C# hem de F# dillerini desteklemektedir.
17. ML.Net Kurulumu nasıl gerçekleşir? Model Builder’ı Yüklemek
18. ML.Net Kurulumu nasıl gerçekleşir? Model Builder’ı Yüklemek
19. ML.Net nerelerde kullanılabilir?
20. ML.NET ile Makine Öğrenimine Başlamanın Yolları Model Builder Aracı ile Başlama Model Builder, Visual Studio içinde bir eklenti olarak geliştiricilere sunulmuş görsel bir araçtır. Makine öğrenimi konusunda deneyimi olmayan geliştiriciler için özellikle kullanışlı olan bu araç, kullanıcı dostu bir arayüz aracılığıyla model oluşturmanızı sağlar.
21. ML.NET ile Makine Öğrenimine Başlamanın Yolları Senaryo Seçimi
22. ML.NET ile Makine Öğrenimine Başlamanın Yolları Ortam Seçimi
23. ML.NET ile Makine Öğrenimine Başlamanın Yolları Data Yükleme
24. ML.NET ile Makine Öğrenimine Başlamanın Yolları Eğitim İşlemi
25. ML.NET ile Makine Öğrenimine Başlamanın Yolları Tahmin İşlemi
26. ML.NET ile Makine Öğrenimine Başlamanın Yolları Dosya İşlemleri Tüketim İşlemi
27. ML.NET ile Makine Öğrenimine Başlamanın Yolları ML.NET API’si Kullanarak Başlama MLContext, ML.NET operasyonlarının başlangıç noktasıdır ve ML.NET modelinin oluşturulması ve kullanılmasıyla ilgili tüm yönlerde kullanılır. Entity Framework’teki DbContext kavramına benzer. Örneğin, var mlContext = new MLContext(); ile bir MLContext örneği oluşturduktan sonra, verileri yükleyebilir ve dönüştürebilir, makine öğrenimi göreviniz için en iyi algoritmayı seçebilir, modelinizi eğitebilirsiniz. Eğitim tamamlandıktan sonra, modelinizin doğruluğunu test edebilir, diske kaydedebilir ve tahminler yapmak için kullanabilirsiniz. Ayrıca, daha önce diske kaydedilmiş bir modelden de bir MLContext başlatılabilir.
28. ML.NET ile Makine Öğrenimine Başlamanın Yolları Verinin Yüklenmesi Verinin Dönüştürülmesi
29. ML.NET ile Makine Öğrenimine Başlamanın Yolları ML.Net CLI Kurulumu ML.NET CLI, özellikle Mac veya Linux kullanıcıları için tasarlanmış bir komut satırı aracıdır ve .NET projelerinde makine öğrenme modelleri oluşturmanıza olanak tanır. Bu aracı kullanmak için, terminalinizi açın ve gerekli komutları çalıştırarak projenizi oluşturun ve modelinizi eğitin. CLI, otomatik makine öğrenimi teknikleri kullanarak verileriniz için en uygun modeli seçer ve eğitir. Modeliniz tamamlandığında, bunu uygulamanıza entegre edersiniz.
30. ML.NET’in Performansı Machine Learning at Microsoft with ML .NET
31. ML.NET’in Performansı Python Ml.Net ML.NET, Amazon müşteri değerlendirmelerinden oluşan 9GB'lık devasa bir veri seti üzerinde duygu analizi yapmak üzere bir model eğitmiştir. Özellik çıkarımı için “FeaturizeText” dönüşümü Özellik çıkarımı için “TfidfVectorizer” dönüşümü(Scikit-learn) Özellik çıkarımı için “Skip-Gram word2vec” dönüşümü(H2O)
32. ML.NET’in Performansı D A T A V I E W TensorFlow TensorFlow ve ve PyTorch PyTorch gibi, bu büyüklükteki veri gibi, bu büyüklükteki veri setlerini işlerken bellek hatalarıyla karşılaşmış ve eğitim setlerini işlerken bellek hatalarıyla karşılaşmış ve eğitim süreçlerini tamamlayamamıştır süreçlerini tamamlayamamıştır
33. DEMO Sunumun Makalesi Sunumun Videosu
34. Demo ( API Kullanarak Duygu Analizi) Eğit Butonuna Basılır Veri yükleme işlemi gerçekleşir (LoadData) Eğitim işlemi gerçekleşir. (BuildAndTrainModel Evaluate) Sonuçlar ChatGPT’ye gönderilir. (SendChatGpt) Tahminleme işlemleri başlatılır. (PredictSentiment) Tahmin Oluşturulması ve Yapılması (GetPredictionForRe viewContent)