Введение
Вы работаете в производственной компании, которая использует промышленные устройства и оборудование. Когда одно из устройств ломается, компания тратит время и деньги. Именно поэтому так важно вовремя обслуживать эти устройства.
Сценарий: прогнозное обслуживание
На необходимость обслуживания влияет множество разных факторов, например уровень использования. Каждое устройство уникально. Упреждающее обслуживание позволяет сэкономить время и деньги, которые компания тратит на устранение неполадок с устройством. Раньше вы вручную отслеживали, какие устройства нуждаются в обслуживании. Ваша компания расширяется, и этим процессом все сложнее управлять.
Хотели бы вы автоматически прогнозировать необходимость в обслуживании с помощью данных с датчиков?
Машинное обучение помогает анализировать исторические данные с датчиков. Оно также может включать шаблоны обучения, которые помогают прогнозировать необходимость компьютера в обслуживании.
Вы хотели бы использовать свои навыки работы с .NET и привычные средства, такие как Visual Studio, чтобы создать решение, но у вас нет большого опыта работы с машинным обучением. В результате вы решили использовать ML.NET, платформу машинного обучения с открытым кодом для .NET. Для создания модели машинного обучения вы также будете использовать Model Builder, расширение платформы для Visual Studio.
Чему вы научитесь?
В этом модуле вы узнаете, что собой представляет Model Builder, как использовать его для обучения моделей машинного обучения и как использовать эти модели в приложениях .NET.
Какова основная цель?
Цель этого модуля — продемонстрировать процесс использования моделей машинного обучения для решения реальных бизнес-проблем.