Database
 sql >> Base de Dados >  >> RDS >> Database

Introdução ao ML{.NET}


Machine Learning (ML) veio de um chavão que é bom ter em seu aplicativo para um recurso obrigatório que funciona e agrega valor. Os cientistas de dados desenvolvem modelos de ML em várias estruturas de ML, como TensorFlow, Scikit-learn, PyTorch, Azure ML etc. treinar modelos de ML. Também exigiu tempo e esforço adicionais para integrar esse modelo em aplicativos .NET.

O ML.NET tornou esse trabalho muito mais fácil para os desenvolvedores .NET com o Model Builder, uma extensão gráfica do Visual Studio para criar, treinar e implantar modelos de ML personalizados. Usando o Model Builder do ML.NET e sua funcionalidade AutoML, os desenvolvedores que não têm experiência em aprendizado de máquina, como eu, ainda podem desenvolver e usar modelos de ML em minutos.

Sobre ML.NET


Antes de mergulharmos em nosso exemplo, vamos falar um pouco sobre a história do ML.NET e seu estado atual.

O ML.NET tem suas origens no projeto Microsoft Research de 2002 chamado TMSN, que significa “pesquisa e navegação de mineração de teste”. Mais tarde, foi renomeado para TLC, “o código de aprendizado”. Guerra ML.NET derivada da biblioteca TLC. Inicialmente, foi usado em produtos internos da Microsoft.

A primeira versão publicamente disponível ML.NET 1.0 foi lançada em 2019. Ela incluiu o suplemento Model Builder e recursos AutoML (Automated Machine Learning).

A versão atual é 1.6.0. Mais detalhes sobre todos os lançamentos podem ser encontrados na página oficial de lançamento do ML.NET.

Algumas tarefas que podemos fazer com o ML.NET são:

- Análise de sentimentos

– Recomendação do produto

– Previsão de preços

– Segmentação de clientes

– Detecção de objetos

- Detecção de fraude

– Detecção de picos de vendas

– Classificação de imagem

- Previsão de vendas

Instalar e configurar


A versão mínima necessária do Visual Studio é 16.6.1. As etapas a seguir são feitas no Visual Studio 16.9.2. Assim, se você estiver usando uma versão diferente, alguns detalhes podem ser diferentes.

Instale o ML.NET Model Builder

  • Abra o instalador do Visual Studio
  • Verifique o desenvolvimento de desktop .NET opção
  • No painel do lado direito, expanda Desenvolvimento de desktop .NET> expandir Opcional > verifique o Construtor de Modelos ML.NET (visualização)

Observação:o ML.NET Model Builder está disponível no desenvolvimento multiplataforma .NET opção.

Ative o ML.NET Model Builder no Visual Studio

  • Vá para Ferramentas > Opções > Ambiente > Recursos de visualização
  • Verifique Ativar o ML.NET Model Builder caixa de seleção

Criação do modelo de ML


Clique com o botão direito do mouse no projeto e selecione Adicionar > Aprendizado de máquina

Selecione um cenário

Selecione Classificação de texto – adicionaremos um recurso simples de análise de sentimentos:

Selecione o ambiente de treinamento

No nosso caso, é uma máquina local.

Adicionar dados

Usaremos o arquivo ZIP do conjunto de dados UCI Sentiment Labeled Sentences disponível para download.

Selecione a saída que você deseja prever

No nosso caso, é a segunda coluna, então selecionaremos col1 . As colunas de entrada são selecionadas automaticamente, pois temos apenas duas colunas disponíveis.

Treine o modelo

Selecione o horário para treinar e clique em Iniciar treinamento :

As imagens abaixo mostram a saída e os resultados do treinamento:

Avalie o modelo

Se entrarmos Janice foi legal na entrada de dados de amostra, a saída mostra que esta frase é positiva com 100% de certeza:

Se digitarmos Janice foi rude na entrada de dados de amostra, a saída mostra que esta frase não é positiva com 100% de certeza:

Implantar e consumir o modelo de ML


Tudo o que resta é usar o modelo que construímos em nosso aplicativo. Precisamos adicionar uma referência ao nosso projeto de modelo de ML.

Além disso, precisamos instalar o Microsoft.ML do NuGet.

O Microsoft.ML é compatível apenas com x64 e x86 arquitetura do processador. Assim, certifique-se de selecionar um deles ao criar o aplicativo.

E isso é tudo. Aqui podemos ver nosso código em ação.

Conclusão


Todo o processo, desde a instalação do ML.NET até o primeiro aplicativo com funcionalidade ML, pode ser feito em alguns minutos. Claro, é um exemplo muito básico com o único propósito de se familiarizar com o framework ML.NET. No entanto, mesmo sem experiência anterior, pude construir um aplicativo que, com alguns ajustes e melhorias, pode realmente funcionar em um cenário da vida real.

Dito isso, ML.NET é uma ferramenta. Você poderá usá-lo com mais eficiência com mais conhecimento sobre algoritmos e princípios de aprendizado de máquina.

Obrigado por chegar até o final e espero que você se junte a nós no próximo artigo sobre ML.NET.