Сега, когато познаването и умението за работа с ML и АI е не само модерно, а и въпрос на необходимост в интернет се намират лесно доста ресурси по темата, но най-трудно за мен винаги е било – откъде да започна?!
На мен тази тема ми е отдавна на сърце, още преди Chat-GPT да се появи и да се заговори масово затова, но стоях по-скоро на страна, без да пробвам да имплементирам каквото и да е, защото да си призная работата с Python, тетрадките му и цялата необходима математика ме плашиха доста.
Сега вече това не е така, но една от причините е точно ML.NET и затова искам да разкажа сега. Да разгледаме работата с ML.NET не само за създаване на функционалност, но и като начин да започнем от 0 да учим Machine Learning. Днес искам да обърна внимание на следните 4 аспекта:
1.Документацията
Не знам на вас дали ви изниква в съзнанието, но аз всеки път като чуя “документация” и се сещам за този виц- “2 часа дебъгване ти спестяват 5 мин четене на документацията“. Забелязвам обаче, че “добрите” девелопъри (друг път ще говорим какво точно е това) си я тачат, та да започнем от тук:
ML.NET documentation – Tutorials, API reference | Microsoft Learn
Добро начало да разберем какво е Machine Learning ни дава видеото от началната страница, а основните концепции като task, data transforms ,видове алгоритми и други са в графата concept.
Та това е и моята препоръка- започнете от тази част – Видео сериите и папката Concept:
2.ModelBuilder
Веднъж преминали през горните ресурси може да се запознаем и с ModelBuilder накратко: https://learn.microsoft.com/en-us/dotnet/machine-learning/automate-training-with-model-builder
Model Builder е допълнение към Visual Studio, което ни позволява бързо и лесно да добавим ml фунцкионалност към нашето приложение като от нас се изисква да имаме базово познание от термините по-горе (Concept папката) , да имаме данни и да припознаем нашия сценарий с тези, които ModelBuilder ни предлага.
С няколко клика-можем да модифицираме данните, да изберем сценарий и алгоритъм и да получим готов код ,който тренира и оценя ml модел, както и примерен код как да използваме модела.
3.Готови сценарии
Повторението е майка на знанието, така че след акто сте се заонзали с концпцията и ModelBuilder може да разгледате и доста подробните примерни сценарии и да ги повторите, след което вече ще имате една добра основа за надграждане.
Кодът за тях се намира лесно в GitHub –dotnet/machinelearning-samples: Samples for ML.NET, an open source and cross-platform machine learning framework for .NET. (github.com)
a описанието тук:
ML.NET tutorials – ML.NET | Microsoft Learn
4.Обобщение с 10минутен туториал:
Изпробвайте още веднъж всичко следвайки стъпките тук:
ML.NET Tutorial | Get started in 10 minutes | .NET (microsoft.com)
Още за Ml.NET на .NET Conf
Сега след като знаете как да започнете може да разгледате и какво предстои на NET Conf: Focus on AI, която ще се излъчва на 20ти Август.
Една от сесиите, която не е за подценяване е Getting Started with AI in Your .NET Applications.
Ако пък я пропуснете – не се притеснявайте, защото за основните стъпки как да използваме Machine Learning ще продължа да пиша тук.
До скоро,
Роси