Introdução
Você trabalha para uma empresa de manufatura que usa dispositivos industriais e equipamentos como parte das operações. A interrupção de um desses dispositivos custa tempo e dinheiro para a empresa. Assim, a execução da manutenção nesses dispositivos são importantes.
Cenário: manutenção preditiva
Há muitos fatores, como o uso, que afetam a necessidade de manutenção. Nenhum dispositivo é igual ao outro. Ser proativo com manutenção pode ajudar a minimizar o tempo e o dinheiro que sua empresa gasta quando um dispositivo falha. Até esse ponto, você estava acompanhando manualmente quais dispositivos precisavam de manutenção. À medida que sua empresa se expande, fica mais difícil de gerenciar esse processo.
E se você puder automatizar a previsão quando um dispositivo precisar de manutenção usando dados de sensor?
O machine learning pode ajudar você a analisar dados históricos desses sensores. O machine learning também pode incluir padrões de aprendizado para ajudar você a prever se um computador precisa de manutenção ou não.
Você quer aproveitar suas habilidades em .NET e usar ferramentas familiares como o Visual Studio para compilar uma solução, mas não tem muita experiência com machine learning. Como resultado, você decidiu usar o ML.NET, uma estrutura de machine learning de código aberto para .NET. Você também usará a estrutura da extensão do Visual Studio, o Model Builder, para criar seu modelo de machine learning.
O que você aprenderá?
Neste módulo, você vai aprender o que é Model Builder, como usá-lo para treinar modelos de machine learning e como consumir esses modelos dentro de aplicativos .NET.
Qual é a meta principal?
A meta deste módulo é mostrar o processo de uso de modelos de machine learning para resolver problemas de negócios do mundo real.