介绍

  • 2 分钟

你就职于一家制造公司，该公司在其运营中会使用工业设备。 其中一台设备发生故障时，就会导致公司损失时间和资金。 这就是务必对这些设备进行维护的原因。

场景：预测性维护

影响维护需求的因素有很多，例如使用情况。 各个设备都不相同。 主动进行维护有助于最大限度地减少公司在设备损坏时要花费的时间和资金。 到目前为止，你一直在手动跟踪哪些设备需要维护。 随着公司的扩张，此过程变得更难以管理。

如果可以使用传感器数据来自动预测设备何时需要维护，该怎么做？

机器学习可帮助分析这些传感器的历史数据。 机器学习还可以涉及学习模式，以帮助预测机器是否需要维护。

你想利用 .NET 技能并使用熟悉的工具（如 Visual Studio）来生成解决方案，但你在机器学习方面没有什么经验。 因此，你决定使用 ML.NET，这是适用于 .NET 的开放源代码机器学习框架。 你还将使用该框架的 Visual Studio 扩展（即 Model Builder）来生成机器学习模型。

学习内容

本模块将介绍什么是 Model Builder、如何用它来训练机器学习模型，以及如何在 .NET 应用程序中使用这些模型。

主要目标是什么？

本模块的目标是向你展示使用机器学习模型解决实际业务问题的过程。