Apa itu Model Builder?
Pembelajaran mesin adalah teknik yang menggunakan matematika dan statistik untuk mengidentifikasi pola dalam data tanpa diprogram secara eksplisit. Model Builder adalah ekstensi Visual Studio grafis untuk melatih dan menyebarkan model pembelajaran mesin kustom dengan menggunakan ML.NET.
Misalnya, Anda ingin memprediksi harga rumah. Jika Anda menggunakan fitur tunggal seperti ukuran rumah dalam kaki persegi untuk memperkirakan harganya, Anda mungkin dapat memprogram heuristik yang menghubungkan rumah yang lebih besar dengan harga yang lebih tinggi.
Namun, dunia tidak selalu sesederhana itu. Banyak variabel yang memengaruhi harga rumah. Dalam kasus seperti ini, membuat heuristik sederhana yang menangkap kasus tepi menjadi sulit, dan pembelajaran mesin mungkin menjadi solusi yang lebih baik.
Dengan pembelajaran mesin, sebagai alternatif secara eksplisit memprogram aturan, Anda menggunakan data historis untuk mengidentifikasi aturan ini berdasarkan pengamatan aktual. Pola yang ditemukan melalui pembelajaran mesin kemudian digunakan untuk membuat artefak yang disebut model untuk membuat prediksi dengan menggunakan data baru dan yang sebelumnya tidak terlihat.
ML.NET adalah kerangka kerja pembelajaran mesin lintas platform sumber terbuka untuk .NET. Jadi, Anda dapat menerapkan keterampilan .NET yang ada dan menggunakan alat yang Anda kenal (seperti Visual Studio) untuk melatih model pembelajaran mesin.
Jenis masalah apa yang dapat saya selesaikan dengan menggunakan Model Builder?
Anda dapat menggunakan Model Builder untuk memecahkan banyak masalah pembelajaran mesin yang umum, seperti:
- Mengategorikan data: Mengklasifikasikan artikel berita berdasarkan topik.
- Memprediksi nilai numerik: Memperkirakan harga rumah.
- Mengelompokkan item dengan karakteristik serupa: Segmentasikan pelanggan.
- Merekomendasikan item: Merekomendasikan film.
- Mengklasifikasikan gambar: Memberi tag pada gambar berdasarkan kontennya.
- Mendeteksi objek dalam gambar: Mendeteksi pejalan kaki dan sepeda di persimpangan.
Bagaimana saya dapat membangun model dengan menggunakan Model Builder?
Umumnya, proses penambahan model pembelajaran mesin ke aplikasi Anda terdiri dari dua langkah: pelatihan dan penggunaan.
Pelatihan
Pelatihan adalah proses penerapan algoritma ke data historis untuk membuat model yang menangkap pola yang mendasarinya. Anda kemudian dapat menggunakan model untuk membuat prediksi pada data baru.
Model Builder menggunakan pembelajaran mesin otomatis (AutoML) guna menemukan model terbaik untuk data Anda. AutoML mengotomatiskan proses penerapan pembelajaran mesin ke data. Anda dapat menjalankan eksperimen AutoML pada himpunan data untuk melakukan perulangan pada berbagai transformasi data, algoritma pembelajaran mesin, dan pengaturan, lalu memilih model terbaik.
Anda tidak memerlukan keahlian pembelajaran mesin untuk menggunakan Model Builder. Yang Anda butuhkan hanyalah beberapa data dan masalah untuk dipecahkan.
Proses pelatihan model terdiri dari langkah-langkah berikut:
- Memilih skenario: Masalah apa yang ingin Anda pecahkan? Skenario yang Anda pilih bergantung pada data Anda dan apa yang Anda coba prediksi.
- Memilih lingkungan: Di mana Anda ingin melatih model Anda? Bergantung pada sumber daya komputasi yang tersedia, biaya, persyaratan privasi, dan faktor lainnya, Anda dapat memilih untuk melatih model secara lokal di komputer atau di cloud.
- Memuat data Anda: Memuat himpunan data yang akan digunakan untuk pelatihan. Tentukan kolom yang ingin Anda prediksi, lalu pilih kolom yang ingin Anda gunakan sebagai input untuk prediksi Anda.
- Melatih model Anda: Biarkan AutoML memilih algoritma terbaik untuk himpunan data Anda berdasarkan skenario yang Anda pilih.
- Mengevaluasi model Anda: Menggunakan metrik untuk mengevaluasi seberapa baik performa model Anda dan membuat prediksi pada data baru.
Consumption
Setelah melatih model pembelajaran mesin, saatnya menggunakannya untuk membuat prediksi. Konsumsi adalah proses menggunakan model pembelajaran mesin terlatih untuk membuat prediksi pada data baru dan yang sebelumnya tidak terlihat. Dengan Model Builder, Anda dapat menggunakan model pembelajaran mesin dari proyek .NET baru dan yang sudah ada.
Model pembelajaran mesin berbasis ML.NET diserialisasikan dan disimpan ke file. File model kemudian dapat dimuat ke dalam aplikasi .NET dan digunakan untuk membuat prediksi melalui ML.NET API. Jenis aplikasi ini meliputi:
- ASP.NET Core Web API
- Azure Functions
- Blazor
- Windows Presentation Foundation (WPF) atau Formulir Windows (WinForms)
- Konsol
- Pustaka kelas
Di unit berikutnya, Anda akan mempelajari tentang proses pelatihan model pembelajaran mesin di Model Builder.