ML.NET-Tutorials

Die folgenden Lernprogramme helfen Ihnen zu verstehen, wie Sie ML.NET verwenden, um benutzerdefinierte Machine Learning-Lösungen zu erstellen und in Ihre .NET-Anwendungen zu integrieren:

• Stimmungsanalyse: Anwenden einer binäre Klassifizierungsaufgabe mithilfe von ML.NET.
• GitHub-Problemklassifizierung: Wenden Sie eine Aufgabe der Mehrklassenklassifizierung mithilfe von ML.NET an.
• Preisvorhersage: Anwenden einer Regressionsaufgabe mithilfe von ML.NET.
• Iris-Clustering: Anwenden einer Clusteringaufgabe mithilfe von ML.NET.
• Empfehlung: Generieren von Filmempfehlungen basierend auf vorherigen Benutzerbewertungen.
• Bildklassifizierung: Erneutes Trainieren eines vorhandenen TensorFlow-Modells zum Erstellen einer benutzerdefinierten Bildklassifizierung mithilfe von ML.NET.
• Anomalieerkennung: Erstellen einer Anwendung zur Anomalieerkennung für Analysen zu Produktvertriebsdaten.
• Erkennen von Objekten in Bildern: Erkennen von Objekten in Bildern mithilfe eines vortrainierten ONNX-Modells.
• Kategorisieren eines Bilds aus dem Custom Vision-ONNX-Modell: Erkennen von Objekten in Bildern mithilfe eines ONNX-Modells, das im Microsoft Custom Vision-Dienst trainiert wurde.
• Klassifizieren der Stimmung von Filmkritiken: Laden eines vortrainierten TensorFlow-Modells zum Klassifizieren der Stimmung von Filmkritiken.

Nächste Schritte

Weitere Beispiele, die ML.NET verwenden, finden Sie im dotnet/machinelearning-samples GitHub-Repository.