Jazyk F# exceluje v datových vědách a strojovém učení. Tento článek obsahuje odkazy na některé důležité zdroje související s tímto režimem použití jazyka F#.
Informace o dalších možnostech, které jsou k dispozici pro strojové učení a datové vědy, najdete v příručce F# Software Foundation k Datová Věda s jazykem F#.
ML.NET
ML.NET je open source a multiplatformní architektura strojového učení vytvořená pro vývojáře .NET. Pomocí ML.NET můžete vytvářet vlastní modely strojového učení s využitím jazyka C# nebo F#, aniž byste museli opustit ekosystém .NET. ML.NET vám umožní opakovaně používat všechny znalosti, dovednosti, kód a knihovny, které už máte jako vývojář .NET, abyste mohli snadno integrovat strojové učení do vašich webových, mobilních, desktopových, her a aplikací IoT.
Hluboké Učení s torchSharp
TorchSharp je opensourcová sada vazeb pro modul Pytorch použitelný pro hluboké učení z jazyka F#. Příklady v jazyce F# jsou k dispozici v torchSharpExamples.
FsLab
FsLab je komunitní prostředí F# pro inkubační prostor pro datové vědy pomocí F#.
Zdroj tohoto obsahu najdete na GitHubu, kde můžete také vytvářet a kontrolovat problémy a žádosti o přijetí změn. Další informace najdete v našem průvodci pro přispěvatele.
Zpětná vazba k produktu .NET
.NET je open source projekt. Vyberte odkaz pro poskytnutí zpětné vazby:
Manage data ingestion and preparation, model training and deployment, and machine learning solution monitoring with Python, Azure Machine Learning and MLflow.