آموزش برنامه های کاربردی دات نت یادگیری ماشین پیشرفته

سرفصل ها و درس ها

معرفی Introduction

• یادگیری ماشین پیشرفته دات نت Advanced machine learning .NET

• آنچه شما باید بدانید What you should know

1. آماده سازی داده ها برای یادگیری ماشین 1. Preparing Data for Machine Learning

• جمع آوری داده ها به درستی Collecting data correctly

• از SME استفاده کنید Utilize SME

• انواع داده ها و ساختار Data types and structure

• منطق تجارت Business logic

• موارد پرت Outliers

• تعصبات Biases

• ابزار پاکسازی داده ها Data cleansing tools

• نسخه ی نمایشی: بررسی داده ها Demo: Checking data

2. چگونه یک مدل ONNX تولید کنیم 2. How to Generate an ONNX Model

• ONNX چیست؟ What is ONNX?

• پروژه دات نت را برای ONNX راه اندازی کنید Set up the .NET project for ONNX

• یک مدل ایجاد کنید Create a model

• یک مدل ONNX تولید کنید Generate an ONNX model

• با استفاده از نترون Using Netron

• نسخه ی نمایشی: یک مدل ONNX در ویژوال استودیو ایجاد کنید Demo: Generate an ONNX model in Visual Studio

3. نحوه استفاده از چارچوب TensorFlow 3. How to Utilize TensorFlow Framework

• تشخیص تصویر در مقابل طبقه بندی Image recognition vs. categorization

• TensorFlow چیست؟ What is TensorFlow?

• پروژه دات نت را برای TensorFlow راه اندازی کنید Set up the .NET project for TensorFlow

• مدل را آموزش دهید Train the model

• مدل را ارزیابی کنید Evaluate the model

• نسخه ی نمایشی: یک مدل TensorFlow را در ویژوال استودیو آموزش دهید Demo: Train a TensorFlow model in Visual Studio

4. تعمیر و نگهداری مدل 4. Model Maintenance

• MLOps چیست؟ What is MLOps?

• بازآموزی مدل Retraining the model

• نسخه سازی Versioning

• کنترل منبع Source control

5. دام های رایج 5. Common Pitfalls

• "مدل یادگیری ماشین" در منوی زمینه نیست "Machine Learning Model" not in the context menu

• آیا 32 بیت در ویندوز پشتیبانی می شود؟ Is 32-bit supported on Windows?

• مطمئن شوید که برنامه x64 یا x86 را هدف قرار می دهد Ensure the app is targeting x64 or x86

• پروژه جدید با هدف ساخت متفاوت New project with a different build target

• چالش: آموزش و مقایسه مدل های ML.NET Challenge: Training and comparing ML.NET models

• راه حل: آموزش و مقایسه مدل های ML.NET Solution: Training and comparing ML.NET models

نتیجه Conclusion

• مراحل بعدی Next steps