Este documento presenta sobre el uso de Azure Functions y ML.NET para implementar soluciones de machine learning sin servidores. Explica brevemente ML.NET, Azure Functions y cómo integrarlos mediante bindings y triggers para crear aplicaciones impulsadas por eventos que ejecutan modelos de ML cuando ocurren ciertos eventos. Finaliza con una demostración de esta integración.
4. .NET: Tu plataforma para
construir lo que desees
Desktop Web Cloud Móvil Juegos IoT IA/ML
5. COMPILADORES LENGUAJES
COMPONENTES DE RUNTIME
LIBRERÍAS
INFRAESTRUCTURA
.NET
HERRAMIENTAS
VISUAL STUDIO CODE
CLI
VISUAL STUDIO
VISUAL STUDIO FOR MAC
WEB CLOUD MÓVIL JUEGOS IoT IA/ML
DESKTOP
7. Datos históricos
Nuevos datos
Algoritmos de
Machine Learning
Modelo de
Machine Learning
Predicción de
Datos
Entrenamiento
Predicción
Machine Learning
Machine Learning es una rama de la IA que se enfoca en
construir aplicaciones que aprenden de los datos y mejoran su
precisión con el paso del tiempo sin ser explícitamente
programadas para ello.
8. Tareas en Machine Learning
Regresión
Class A
Class B
Clasificación Clustering
9. ML.NET es un framework para ML a la medida
Ciclo de vida de
Machine Learning
Datos
Históricos
Prueba
& Evalua
Compila &
Entrena
Modelo
ML
Archivo
.ZIP
(Entrenado
)
Prepara Datos, Compila y Entrena un modelo de ML
ML.NET API
(Aplicación .NET de Consola, etc.)
ML.NET Model Builder
(Herramienta UI Desktop)
Tareas de ML, Transformaciones de Datos, Learners/Algoritmos
ML.NET API
(Aplicación .NET)
API para ejecutar el modelo
nuget nuget
Aplicación de Negocio
(Web/Servicio/Desktop/Móvil)
ML model
file
Aplicación .NET
Predicción: Ejecuta/consume el modelo de ML
?
Datos en
tiempo real
del usuario
ML.NET
API para consumir
el modelo
Ejecuta &
Predice
.NET
.NET
BD
Archivos CSV
etc
11. La mayoría de
escenarios
Microsoft.ML
Escenarios de predicción y
detección de anomalías
Microsoft.ML.TimeSeries
Recomendadores
Microsoft.ML.Recommender
Cargar bases de
datos
System.Data.SqlClient
Consumo de modelos
ONNX
Microsoft.ML.ONNXTransformer
Microsoft.ML.ImageAnalytics
para detección de objetos
Consumo de modelos de
TensorFlow
Microsoft.ML.TensorFlow
SciSharp.TensorFlow.Redist
Microsoft.ML.ImageAnalytics
para clasificación de imágenes
Entrenar modelos
personalizados de clasificación
de imagenes
Microsoft.ML.Vision
Microsoft.ML.ImageAnalytics
SciSharp.TensorFlow.Redist
.NET Standard
.NET Core
.NET Framework
12. MLContext
MLContext es el punto de inicio para todas las operaciones de
ML.NET y proporciona mecanismos para la creación de
componentes de:
Preparación de datos
Ingeniería de características
Entrenamiento
Predicción
Evaluación de modelos
Bitáciras
Control de ejecución
Inicialización
13. Data Schema IDataView
Es el conjunto de columnas, sus nombres, tipos y otras anotaciones.
Antes de cargar datos, debes definir cómo se verá el esquema de
datos (nombres y tipos de columna)
Utiliza definiciones de clase para definir esquemas IDV
Dataset
Definición de esquema de clases
IDataView
Label SepalLength SepalWidth PetalLength PetalWidth
Iris-setosa 5.1 3.5 1.4 0.2
Iris-
versicolor
7.0 3.2 4.7 1.4
Iris-setosa 4.9 3.0 1.5 0.1
…
15. Modelo de ML.NET
Un archivo zip serializado que contiene esquemas de
datos, transformaciones de datos y algoritmos.
Modelo
de
ML.NET
MLModel.zip
Desktop
Web
Móvil
20. ¿Qué es Serverless?
Impulsado por eventos /
escalamiento instantáneo
Microfacturación
Abstracción de
servidores
$
Gestiona aplicaciones,
no servidores
Rapidez para entrar
en producción
DevOps reducido
21. Componentes de plataforma de
aplicaciones serverless
Functions
• Productividad para desarrolladores
• Triggers y bindings
• Opciones de implementación flexibles
Logic apps
• Diseñador visual
• Más de 100 conectores
• Orquestación de funciones
23. Su código se ejecuta
cuando ocurre un
evento previamente
especificado
Triggers
Blob Storage
Cosmos DB
Event Hub
HTTP
Queues
Service Bus
Timer
Webhook
Foto tomada y
enviada
Se sube a blob storage Produce distintas
versiones de la imagen
Bindings
File
Table
Excel
OneDrive
Email
Mobile app
Notification
Más…
27. ¡Gracias por tu atención!
Luis Beltrán
Tomás Bata University in Zlín
Tecnológico Nacional de México en Celaya
About Me:
https://about.me/luis-beltran
https://forms.office.com/r/PRNHjBWgAb
¿Cómo estuvo mi presentación?