Anmerkung
Der Zugriff auf diese Seite erfordert eine Genehmigung. Du kannst versuchen, dich anzumelden oder die Verzeichnisse zu wechseln.
Der Zugriff auf diese Seite erfordert eine Genehmigung. Du kannst versuchen , die Verzeichnisse zu wechseln.
F# glänzt in den Bereichen Data Science und maschinelles Lernen. Dieser Artikel enthält Links zu einigen wichtigen Ressourcen im Zusammenhang mit diesem Modus der Verwendung von F#.
Informationen zu anderen Optionen, die für maschinelles Lernen und Data Science verfügbar sind, finden Sie im F# Software Foundation-Leitfaden für Data Science mit F#.
ML.NET
ML.NET ist ein open Source- und plattformübergreifendes Machine Learning Framework, das für .NET-Entwickler entwickelt wurde. Mit ML.NET können Sie benutzerdefinierte ML-Modelle mit C# oder F# erstellen, ohne das .NET-Ökosystem verlassen zu müssen. mit ML.NET können Sie alle Kenntnisse, Fähigkeiten, Code und Bibliotheken wiederverwenden, die Sie bereits als .NET-Entwickler haben, damit Sie maschinelles Lernen ganz einfach in Ihr Web, Mobile, Desktop, Spiele und IoT-Apps integrieren können.
Deep Learning mit TorchSharp
TorchSharp ist ein Open Source-Satz von Bindungen für das Pytorch-Modul, das für Deep-Learning von F# verwendet werden kann. Beispiele in F# sind in TorchSharpExamples verfügbar.
FsLab
FsLab ist ein F#-Community-Inkubationsbereich für Data Science mit F#.
Siehe auch
Arbeiten Sie mit uns auf GitHub zusammen
Die Quelle für diesen Inhalt findet man auf GitHub, wo Sie auch Probleme und Pull Requests erstellen und überprüfen können. Weitere Informationen finden Sie in unserem Leitfaden für Mitwirkende.
