Slide 1

Slide 1 text

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

Slide 2

Slide 2 text

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

Slide 3

Slide 3 text

Menge Komplexität Personalisierung Selbstlernend Einsatzszenarien WANN BRAUCHT MAN MACHINE LEARNING?

Slide 4

Slide 4 text

Recommendation Engines Fraud Detection Predictive Maintenance EINSATZFÄLLE

Slide 5

Slide 5 text

Gesundheitswesen Bots Selbstfahrende Autos EINSATZFÄLLE

Slide 6

Slide 6 text

Algorithmen Rechenleistung Daten VORAUSSETZUNGEN

Slide 7

Slide 7 text

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.

Slide 8

Slide 8 text

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

Slide 9

Slide 9 text

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

Slide 10

Slide 10 text

Feature Daten Algorithmus Model App Label Wie funktioniert Machine Learning?

Slide 11

Slide 11 text

Trainings- und Testdaten Training Algorithmus Model Ergebnis Test Vergleich Daten

Slide 12

Slide 12 text

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?

Slide 13

Slide 13 text

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

Slide 14

Slide 14 text

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

Slide 15

Slide 15 text

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

Slide 16

Slide 16 text

DEMO ML.NET

Slide 17

Slide 17 text

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

Slide 18

Slide 18 text

DEMO Image Detection

Slide 19

Slide 19 text

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