Poznámka:
Přístup k této stránce vyžaduje autorizaci. Můžete se zkusit přihlásit nebo změnit adresáře.
Přístup k této stránce vyžaduje autorizaci. Můžete zkusit změnit adresáře.
Následující kurzy vám pomůžou pochopit, jak používat ML.NET k vytváření vlastních řešení strojového učení a jejich integraci do vašich aplikací .NET:
- Analýza mínění: Použití úlohy binární klasifikace pomocí ML.NET
- Klasifikace problému GitHubu: Použijte úlohu klasifikace s více třídami pomocí ML.NET.
- Prediktor cen: Použijte regresní úlohu pomocí ML.NET.
- Shlukování Iris: Aplikujte úlohu shlukování pomocí ML.NET.
- Doporučení: Generování doporučení filmů na základě předchozích hodnocení uživatelů
- Klasifikace obrázků: Přetrénování existujícího modelu TensorFlow za účelem vytvoření vlastního klasifikátoru obrázků pomocí ML.NET
- Detekce anomálií: Sestavte aplikaci detekce anomálií pro analýzu dat o prodeji produktů.
- Detekce objektů v obrázcích: Rozpoznávání objektů v obrázcích pomocí předem natrénovaného modelu ONNX
- Kategorizace obrázku z modelu Custom Vision ONNX: Rozpoznávání objektů v obrázcích pomocí modelu ONNX natrénovaného ve službě Microsoft Custom Vision
- Klasifikovat mínění recenzí filmů: Načtěte předem natrénovaný model TensorFlow, který klasifikuje mínění recenzí filmů.
Další kroky
Další příklady, které používají ML.NET, najdete v úložišti dotnet/machinelearning-samples na GitHubu.
Spolupracujte s námi na GitHubu
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.
