Pendahuluan
Anda bekerja untuk perusahaan manufaktur yang menggunakan perangkat dan peralatan industri sebagai bagian dari operasinya. Ketika salah satu perangkat ini rusak, kerusakan itu menghabiskan waktu dan uang perusahaan Anda. Itulah mengapa melakukan pemeliharaan pada perangkat ini sangatlah penting.
Skenario: Pemeliharaan prediktif
Ada banyak faktor yang berbeda, seperti penggunaan, yang memengaruhi kebutuhan akan pemeliharaan. Tidak ada satu perangkat pun yang sama. Bersikap proaktif dengan pemeliharaan dapat membantu meminimalkan waktu dan uang yang dihabiskan perusahaan Anda saat perangkat rusak. Sampai saat ini, Anda telah secara manual melacak perangkat mana yang memerlukan pemeliharaan. Seiring perkembangan perusahaan Anda, proses ini menjadi lebih sulit untuk dikelola.
Bagaimana jika Anda dapat mengotomatiskan prediksi saat perangkat akan membutuhkan pemeliharaan menggunakan data sensor?
Pembelajaran mesin dapat membantu Anda menganalisis data historis dari sensor ini. Pembelajaran mesin juga dapat melibatkan pola pembelajaran untuk membantu Anda memprediksi apakah mesin memerlukan pemeliharaan atau tidak.
Anda ingin memanfaatkan keterampilan .NET Anda dan menggunakan alat yang sudah dikenal seperti Visual Studio untuk membangun solusi, tetapi Anda tidak memiliki banyak pengalaman dengan pembelajaran mesin. Akibatnya, Anda memutuskan untuk menggunakan ML.NET, kerangka kerja pembelajaran mesin sumber terbuka untuk .NET. Anda juga akan menggunakan ekstensi Visual Studio kerangka kerja, Model Builder, untuk membangun model pembelajaran mesin Anda.
Apa yang akan Anda pelajari?
Dalam modul ini, Anda akan mempelajari apa yang dimaksud dengan Model Builder, cara menggunakannya untuk melatih model pembelajaran mesin, dan cara menggunakan model tersebut di dalam aplikasi .NET.
Apa tujuan utamanya?
Tujuan dari modul ini adalah untuk menunjukkan kepada Anda proses penggunaan model pembelajaran mesin untuk memecahkan masalah bisnis dunia nyata.