O que é o Model Builder?

  • 4 minutos

O aprendizado de máquina é uma técnica que usa matemática e estatística para identificar padrões em dados sem ser explicitamente programado. O Construtor de Modelos é uma extensão gráfica do Visual Studio para treinar e implantar modelos personalizados de aprendizado de máquina usando ML.NET.

Captura de tela que mostra a extensão do Visual Studio do Construtor de Modelos para M L dot NET.

Por exemplo, digamos que você queira prever o preço de uma casa. Se você estiver usando um único recurso, como o tamanho de uma casa em metros quadrados, para estimar seu preço, provavelmente poderia programar uma heurística que correlaciona casas maiores a um preço mais alto.

Gráfico que mostra um modelo de regressão linear para o preço da habitação.

No entanto, o mundo nem sempre é tão simples assim. Muitas variáveis influenciam o preço de uma casa. Em casos como este, chegar a uma heurística simples que capture casos de borda torna-se difícil, e o aprendizado de máquina pode ser uma solução melhor.

Com o aprendizado de máquina, em vez de programar explicitamente as regras, você usa dados históricos para identificar essas regras com base em observações reais. Os padrões encontrados por meio do aprendizado de máquina são usados para criar um artefato chamado modelo para fazer previsões usando dados novos e inéditos.

ML.NET é uma estrutura de aprendizado de máquina de código aberto e plataforma cruzada para .NET. Assim, você pode aplicar suas habilidades existentes do .NET e usar as ferramentas com as quais está familiarizado (como o Visual Studio) para treinar modelos de aprendizado de máquina.

Que tipos de problemas posso resolver usando o Model Builder?

Você pode usar o Construtor de Modelos para resolver muitos problemas comuns de aprendizado de máquina, como:

  • Categorização de dados: Organize artigos de notícias por tópico.
  • Previsão de um valor numérico: Estimar o preço de uma casa.
  • Agrupamento de itens com características semelhantes: Segmentar clientes.
  • Recomendando itens: Recomende filmes.
  • Classificação de imagens: marque uma imagem com base no seu conteúdo.
  • Detetar objetos numa imagem: detete peões e bicicletas num cruzamento.

Como posso criar modelos usando o Construtor de Modelos?

Geralmente, o processo de adicionar modelos de aprendizado de máquina aos seus aplicativos consiste em duas etapas: treinamento e consumo.

Formação

O treinamento é o processo de aplicação de algoritmos a dados históricos para criar um modelo que captura padrões subjacentes. Em seguida, você pode usar o modelo para fazer previsões sobre novos dados.

O Construtor de Modelos utiliza aprendizagem automática automática (AutoML) para encontrar o melhor modelo para os seus dados. O AutoML automatiza o processo de aplicação de aprendizado de máquina aos dados. Você pode executar um experimento AutoML em um conjunto de dados para iterar diferentes transformações de dados, algoritmos de aprendizado de máquina e configurações e, em seguida, selecionar o melhor modelo.

Você não precisa de experiência em aprendizado de máquina para usar o Construtor de Modelos. Tudo o que você precisa é de alguns dados e um problema para resolver.

O processo de formação do modelo consiste nas seguintes etapas:

  1. Escolha um cenário: Que problema está a tentar resolver? O cenário escolhido depende dos seus dados e do que está a tentar prever.
  2. Escolha um ambiente: Onde você quer treinar seu modelo? Dependendo dos recursos de computação disponíveis, custo, requisitos de privacidade e outros fatores, você pode optar por treinar modelos localmente em seu computador ou na nuvem.
  3. Carregue seus dados: carregue o conjunto de dados a ser usado para treinamento. Defina as colunas que pretende prever e, em seguida, escolha as colunas que pretende utilizar como entradas para a sua previsão.
  4. Treine seu modelo: deixe o AutoML escolher o melhor algoritmo para seu conjunto de dados com base no cenário escolhido.
  5. Avalie seu modelo: use métricas para avaliar o desempenho do seu modelo e faça previsões sobre novos dados.

Consumo

Depois de treinar um modelo de aprendizado de máquina, é hora de usá-lo para fazer previsões. O consumo é o processo de usar um modelo de aprendizado de máquina treinado para fazer previsões sobre dados novos e inéditos. Com o Model Builder, você pode consumir modelos de aprendizado de máquina de projetos .NET novos e existentes.

Os modelos de aprendizado de máquina baseados em ML.NET são serializados e salvos em um arquivo. O arquivo de modelo pode ser carregado em qualquer aplicativo .NET e usado para fazer previsões por meio de APIs ML.NET. Esses tipos de aplicação incluem:

  • API Web ASP.NET Core
  • Funções do Azure
  • Blazor
  • Windows Presentation Foundation (WPF) ou Windows Forms (WinForms)
  • Consola
  • Biblioteca de classes

Na próxima unidade, você aprenderá sobre o processo de treinamento de um modelo de aprendizado de máquina no Model Builder.