入门

目标受众

本课程适合任何希望学习如何使用 ML.NET 构建和训练自有机器学习模型的软件开发人员。对于希望掌握机器学习基础知识或深入了解人工智能内部机制的 .NET 开发者来说，尤其具有价值。

先决条件

ML.NET 的设计旨在尽可能减少构建机器学习模型时的障碍。您无需具备任何机器学习方面的经验，课程中将涵盖机器学习的核心概念。

然而，由于 ML.NET 通过生成 C# 代码来构建模型，因此掌握 C# 和 .NET 基础知识至关重要。您不必是 C# 专家，但必须了解以下内容：

• C# 的基本语法。

• 对 .NET 项目结构和应用程序启动方式的理解。

• 对基本面向对象编程概念的理解。

由于 ML.NET CLI 是一个命令行工具，因此掌握基本的 Linux 终端使用方法也是必不可少的。不过，不需要熟悉任何特定的 Linux 命令。

学习成果

本课程旨在涵盖机器学习的高层次基础以及 ML.NET 的主要功能。完成本课程后，您将熟悉 ML.NET 如何用于构建和训练机器学习模型，它支持哪些机器学习任务，以及如何选择最优的训练算法。

您将从基础开始，学习如何让 ML.NET 完成一些相对简单的任务。课程后期，您将深入探讨更高级的主题，例如使用 ML.NET 构建神经网络并应用深度学习。您还将学习如何将 ML.NET 与外部工具集成，以进一步提升其能力，例如利用 AutoML 自动化复杂的训练场景，或将模型输出与其他主流机器学习工具（如 PyTorch 和 TensorFlow）进行交互。