博舍

C#使用MLNet完成人工智能预测 人工智能 训练模型

C#使用MLNet完成人工智能预测

前言

VisualStudio2019Preview中提供了图形界面的ML.Net,所以,只要我们安装VisualStudio2019Preview就能简单的使用ML.Net了,因为我的电脑已经安装了VisualStudio2019,所以我不需要重头安装VisualStudio2019Preview,只要更新即可。

安装

首先找到VisualStudioInstaller安装包,如下图。

运行,然后选择如下:

创建项目

我们创建一下新项目,如下图:

然后选择。

然后添加机器学习。

点击机器学习时,如果我们没有开启MLNET模型创建功能,则会弹出提示,让我们开启。

当然我们也可以手动在选项中开启,如下图:

点击【机器学习】之后会有图形界面,如下图:

然后我们可以看到,它提供了一些方案,如语义识别,图像识别,数值预测等。

我们选择数值预测,然后进入下一步,如下图:

在环境页面,选择本地训练,然后点击下一步获取数据,如下图:

这里需要选择一个数据源,我们去官网上下载一下可用的测试数据源。

这里我们下载【产品销售数据】。

方案示例数据Label特征分类预测销售异常产品销售数据产品销售额月份 预测网站评论的情绪网站评论数据标签(负面情绪为0,正面情绪为1)评论、年份 预测信用卡欺诈交易信用卡数据类(存在欺诈性为1,否则为0)金额,V1-V28(匿名处理后的特征) 预测GitHub存储库中的问题类型GitHub问题数据区域标题、描述值预测预测出租车费用价格出租车费数据车费行程时间、距离图像分类预测花卉的类别花卉图像花卉类型:雏菊、蒲公英、玫瑰、向日葵、郁金香图像数据本身建议预测他人喜欢的电影电影评分用户、电影评级

选择完预测数据文件,我们配置要预测的列,然后点击训练,如下图:

训练界面如下:

点击训练,大约2分钟,训练完成,输出界面会输出如下内容。

训练完成后,如下图:

我们点击评估,如下图:

如上图,预测到1月销售数据是262.8。

然后点击代码,将ML.Net代码添加到解决方案中,如下图:

添加ML.Net代码后,如下图:

生成的MLNetConsoleML.ConsoleApp项目是入口项目,Main函数如下:

staticvoidMain(string[]args){//CreatesingleinstanceofsampledatafromfirstlineofdatasetformodelinputModelInputsampleData=newModelInput(){Month=@"1-Jan",};​//MakeasinglepredictiononthesampledataandprintresultsvarpredictionResult=ConsumeModel.Predict(sampleData);​Console.WriteLine("Usingmodeltomakesingleprediction--ComparingactualProductSaleswithpredictedProductSalesfromsampledata... ");Console.WriteLine($"Month:{sampleData.Month}");Console.WriteLine($" PredictedProductSales:{predictionResult.Score} ");Console.WriteLine("===============Endofprocess,hitanykeytofinish===============");Console.ReadKey();}

可以看到,我们预测的是Month=@"1-Jan"。

再打开ModelBuilder文件,可以看到,这里一开始就配置了数据地址和模型地址,如下图:

到这里,我们ML.Net就算初步学会使用了,下面,再提供一个官网GIF图片供大家参考。

训练时长

模型生成器使用AutoML浏览多个模型,以查找性能最佳的模型。

更长的训练周期允许AutoML通过更多设置来浏览更多模型。

下表汇总了在本地计算机上为一组示例数据集获取良好性能所花的平均时间。

数据集大小训练的平均时间0-10MB10秒10-100MB10分钟100-500MB30分钟500-1GB60分钟1GB以上3小时以上

----------------------------------------------------------------------------------------------------

参考网址:https://docs.microsoft.com/zh-cn/dotnet/machine-learning/automate-training-with-model-builder

----------------------------------------------------------------------------------------------------

到此C#使用ML.Net完成人工智能预测的基本使用已经介绍完了。

代码已经传到Github上了,欢迎大家下载。

Github地址: https://github.com/kiba518/MLNetConsole

----------------------------------------------------------------------------------------------------

注:此文章为原创,任何形式的转载都请联系作者获得授权并注明出处!若您觉得这篇文章还不错,请点击下方的【推荐】,非常感谢!

https://www.cnblogs.com/kiba/p/14097006.html

 

 

人工智能训练师是一份什么样的工作

谢邀。写于2019年。

1)人工智能训练师的定义:通过分析产品需求和相关数据,完成数据标注规则的制定,最终实现“提高数据标注工作的质量和效率”以及“积累细分领域通用数据”的价值。

2)人工智能训练师的行业认知度:开始得到杭州、北京等城市2年以上AI公司的重视,考虑到人工智能训练师的人才缺口5年后将增长20倍以上,该职位将会愈加受到各家AI公司的重视。

3)人工智能训练师的职业规划:1~3岁互联网产品经理最有可能成为人工智能训练师的主要来源职位;而AI产品经理将成为最合适的上升职位。

先说定义:AI训练师是处于数据标注与Ai产品经理之间的一种职位。

可以理解成类似于AI产品运营的岗位。下面我用一张图分析一下这个岗位。

现在市面上基本有两种商业应用场景,一种是银行或者金融行业语音/图像/文本智能机器人或者ai助手/车载智能助手一类的,一种是推荐/搜索/智能翻译等应用场景。

智能机器人市场应用的有阿里的店小蜜/微软小冰/各种外呼机器人。

推荐市场应用的较多的是智能推荐,比如淘宝的猜你喜欢商品推荐,网易云根据你的口味歌曲推荐,app和网页界面的各种推荐。

搜索市场应用就比较好理解了,百度搜索,各种搜索引擎,根据关键词匹配,结果现在都比较精准。

AI训练模型属于机器学习与深度学习领域的,离不开算法。一个模型训练的好坏与算法模型/数据质量/数量成正比的。这就需要大量的数据需要优化质量,与算法人员和产品人员的充分沟通制定需求的标注训练规则,然后把标注好的数据集用于训练模型,不断的优化模型,达到准确率较高的一个产品就可以上线了,然后是维护阶段。

分割线

————————————————————

另外AI训练师需要参与标注平台的功能设计与界面设计、参与数据分析/badcase聚类分析、产品上线前的测试、项目poc阶段的AB测试等性能测试、还有运营相关的方法论、内容运营与策略运营等

高级训练师或者标注项目经理需要管理分配标注任务、评估完成周期、指导培训标注人员理解数据需求背景与工具的使用。

总之AI训练师因为公司业务与产品差异不同,所以具体负责的工作内容与项目内容不同,个人认为AI训练师属于数据运营或产品运营的这个序列。

需要掌握的知识涉及NLPTTSASR运营数据分析测试等

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。

上一篇

下一篇