Hlavním cílem této bakalářské práce je seznámit čtenáře s využitím knihovny ML.NET pro strojové učení. Nejdříve jsou zde uvedeny základní pojmy a algoritmy strojového učení. Dále je čtenář seznámen s vlastnostmi knihovny ML.NET, které jsou představeny na jednoduchých ilustračních příkladech. Práce se také zaměřuje na vestavěný nástroj nesoucí název Model Builder, sloužící pro automatickou tvorbu modelů strojového učení. V neposlední řadě je na úloze typu Intrusion detection ukázáno použití zmíněné knihovny ML.NET.
Anotace v angličtině
The main gold of this bachelor thesis is to acquaint readers with the use of ML.NET framework for machine learning. First, the basic concepts and algorithms of machine learning are presented. Furthermore, the reader is acquainted with the features of the ML.NET framework, which are presented on simple illustrative examples. The thesis also focuses on a built-in tool called Model Builder, used for automatic creation of machine learning models. Last but not least, the Intrusion detection task shows the use of the mentioned ML.NET framework.
Klíčová slova
Strojové učení, ML.NET, Intrusion detection, Model builder
Klíčová slova v angličtině
Machine learning, ML.NET, Intrusion detection, Model builder
Rozsah průvodní práce
75 s.
Jazyk
CZ
Anotace
Hlavním cílem této bakalářské práce je seznámit čtenáře s využitím knihovny ML.NET pro strojové učení. Nejdříve jsou zde uvedeny základní pojmy a algoritmy strojového učení. Dále je čtenář seznámen s vlastnostmi knihovny ML.NET, které jsou představeny na jednoduchých ilustračních příkladech. Práce se také zaměřuje na vestavěný nástroj nesoucí název Model Builder, sloužící pro automatickou tvorbu modelů strojového učení. V neposlední řadě je na úloze typu Intrusion detection ukázáno použití zmíněné knihovny ML.NET.
Anotace v angličtině
The main gold of this bachelor thesis is to acquaint readers with the use of ML.NET framework for machine learning. First, the basic concepts and algorithms of machine learning are presented. Furthermore, the reader is acquainted with the features of the ML.NET framework, which are presented on simple illustrative examples. The thesis also focuses on a built-in tool called Model Builder, used for automatic creation of machine learning models. Last but not least, the Intrusion detection task shows the use of the mentioned ML.NET framework.
Klíčová slova
Strojové učení, ML.NET, Intrusion detection, Model builder
Klíčová slova v angličtině
Machine learning, ML.NET, Intrusion detection, Model builder
Zásady pro vypracování
Cílem práce je seznámit čtenáře s využitím knihovny ML.NET a ukázat její použití na úloze typu intrusion detection. Součástí práce jsou i jednoduché ilustrační příklady ukazující specifika knihovny ML.NET.
Osnova:
Přehled metod strojového učení se zaměřením na klasifikaci
Klasifikace do více tříd (one-vs-one, one-vs-rest)
Metriky pro ohodnocení modelu (senzitivita, specificita, F1-score atd.)
Popis ML.NET a ukázka jednoduchých aplikací
Struktura ML.NET
Vybrané algoritmy a modely
Transformace dat v ML.NET
Pipeline a jejich použití
Ukázkové řešení úlohy intrusion detection
Výběr datasetu a popis datasetu a jeho vlastností
Tvorba modelů
Zhodnocení a diskuse výsledků
Zásady pro vypracování
Cílem práce je seznámit čtenáře s využitím knihovny ML.NET a ukázat její použití na úloze typu intrusion detection. Součástí práce jsou i jednoduché ilustrační příklady ukazující specifika knihovny ML.NET.
Osnova:
Přehled metod strojového učení se zaměřením na klasifikaci
Klasifikace do více tříd (one-vs-one, one-vs-rest)
Metriky pro ohodnocení modelu (senzitivita, specificita, F1-score atd.)
Popis ML.NET a ukázka jednoduchých aplikací
Struktura ML.NET
Vybrané algoritmy a modely
Transformace dat v ML.NET
Pipeline a jejich použití
Ukázkové řešení úlohy intrusion detection
Výběr datasetu a popis datasetu a jeho vlastností
Tvorba modelů
Zhodnocení a diskuse výsledků
Seznam doporučené literatury
RASCHKA, Sebastian. Python Machine Learning: Unlock deeper insights into Machine Learning with this vital guide to cutting-edge predictive analytics. Birmingham: Packt Publishing, 2015. ISBN 978-178-3555-130.
ML.NET Machine Learning made for .NET [online]. Redmond: Microsoft, 2021 [cit. 2021-9-25]. Dostupné z: https://dotnet.microsoft.com/apps/machinelearning-ai/ml-dotnet
1998 DARPA Intrusion Detection Evaluation Dataset [online]. Lexington: MIT Lincoln Laboratory [cit. 2021-9-25]. Dostupné z: https://www.ll.mit.edu/r-d/datasets/1998-darpa-intrusion-detection-evaluation-dataset
Seznam doporučené literatury
RASCHKA, Sebastian. Python Machine Learning: Unlock deeper insights into Machine Learning with this vital guide to cutting-edge predictive analytics. Birmingham: Packt Publishing, 2015. ISBN 978-178-3555-130.
ML.NET Machine Learning made for .NET [online]. Redmond: Microsoft, 2021 [cit. 2021-9-25]. Dostupné z: https://dotnet.microsoft.com/apps/machinelearning-ai/ml-dotnet
1998 DARPA Intrusion Detection Evaluation Dataset [online]. Lexington: MIT Lincoln Laboratory [cit. 2021-9-25]. Dostupné z: https://www.ll.mit.edu/r-d/datasets/1998-darpa-intrusion-detection-evaluation-dataset