Introduction
Vous travaillez pour un fabricant qui utilise des appareils et équipements industriels dans le cadre de ses opérations. Lorsque l’un de ces appareils tombe en panne, cela coûte du temps et de l’argent à l’entreprise. C’est pourquoi l’exécution de la maintenance sur ces appareils est importante.
Scénario : Maintenance prédictive
De nombreux facteurs (tels que l’utilisation) affectent la nécessité d’une maintenance, et tous les appareils sont différents. Le fait d’être proactif avec la maintenance peut aider à réduire le temps et l’argent gaspillés par l’entreprise quand un appareil tombe en panne. Jusqu’à présent, vous avez suivi manuellement les appareils qui nécessitent une maintenance. À mesure que l’entreprise se développe, ce processus devient plus difficile à gérer.
Et s’il était possible d’automatiser la prédiction indiquant le moment où un appareil aura besoin d’opérations de maintenance à l’aide de données de capteur ?
Le Machine Learning peut vous aider à analyser les données d’historique provenant de ces capteurs. Le Machine Learning peut également impliquer des modèles d’entraînement pour vous aider à prédire si un ordinateur aura besoin d’une maintenance ou non.
Vous souhaitez tirer parti de vos compétences .NET et utiliser des outils familiers comme Visual Studio pour créer une solution, mais vous n’avez pas de grande expérience avec le Machine Learning. Vous avez donc décidé d’utiliser ML.NET, une infrastructure de Machine Learning open source pour .NET. Vous utiliserez également Model Builder, l’extension Visual Studio de cette infrastructure, pour générer votre modèle Machine Learning.
Ce que vous allez apprendre ?
Dans ce module, vous allez découvrir ce qu’est Model Builder, comment l’utiliser pour entraîner des modèles Machine Learning, et comment consommer ces modèles dans des applications .NET.
Quel est l’objectif principal ?
L’objectif de ce module est de vous montrer comment utiliser des modèles Machine Learning pour résoudre des problèmes professionnels réels.